通过层次视觉转换器和转移学习自动分类线状叶病
1Media and Communications College of Weifang University, Weifang, Shandong, China.
Frontiers in plant science
|January 29, 2024
概括
这项研究引入了一种改进的视力转换器模型,用于分类树状植物叶病,达到超过85%的准确性. 这种自动检测方法通过有效识别植物疾病,有助于精准农业.
科学领域:
- 植物病理学 植物病理学
- 计算机视觉 计算机视觉
- 机器学习 机器学习
背景情况:
- 准确识别植物叶病对于作物产量和管理至关重要.
- 现有的叶病检测方法需要改进,以实现实际的精准农业应用.
研究的目的:
- 开发一个增强的视觉转换器模型,以更好地分类树状植物叶病.
- 为满足对更准确的自动化植物病检测系统的需求.
主要方法:
- 使用了一种新的视觉变压器模型,结合了多头注意力和多层感知子模块.
- 在22个线状叶病类别的公共数据集上训练了深度学习模型.
- 员工转移学习以优化模型培训时间.
主要成果:
- 拟议的模型在分类树状叶病时达到超过85.0%的准确性.
- 证明了多头注意力机制在捕捉图像背景中的有效性.
结论:
- 开发的方法提供了一个有前途的算法,用于在木质植物中自动检测叶病.
- 这种方法在整合到精准农业框架中具有显著的潜力.
