深度学习架构用于在复杂的背景下诊断果青眼叶斑疾病的严重程度
Bo Liu1,2, Hongyu Fan1,2, Yuting Zhang1,2
1College of Information Science and Technology, Hebei Agricultural University, Baoding, China.
Frontiers in plant science
|January 23, 2024
概括
一个新的深度学习模型准确地检测到果青眼叶斑病,改善了精确农业. 这种自动化方法提高了疾病管理,在细分和分类方面具有很高的准确性.
科学领域:
- 农业科学 农业科学
- 计算机科学 计算机科学
- 植物病理学 植物病理学
背景情况:
- 准确诊断果青眼叶斑病对于精准农业的有效管理至关重要.
- 传统的视觉检查方法是劳动密集型,主观的,对于复杂的果园环境往往是不可靠的.
研究的目的:
- 开发一种自动化的深度学习系统,用于精确的果叶细分和青眼叶斑病诊断.
- 通过精准农业的数据驱动洞察来改进疾病管理策略.
主要方法:
- 开发了一个两阶段的深度学习架构,其中包括一个增强的金字塔场景解析网络 (L-DPNet) 用于叶片细分和一个改进的U-Net (D-UNet) 用于疾病点细分.
- 该模型包含可变形卷积,双线上采样和批量规范化,以实现最佳性能.
主要成果:
- 该模型在细分果叶和疾病斑点时实现了91.27%的平均欧盟交叉点 (mIoU).
- 平均像素精度 (mPA) 为94.32%,整体精度为94.81%,用于分类五种疾病严重程度.
结论:
- 开发的深度学习方法显著推进了果园的自动化疾病量化.
- 这项技术通过实现更准确,数据驱动的疾病管理决策来增强精准农业.
