相关实验视频
Updated: Jun 22, 2026
05:16
Flying Insect Detection and Classification with Inexpensive Sensors
Published on: October 15, 2014
25.2K
一个时频域混合的基于注意力的方法,用于使用深度学习模型对木材钻孔昆虫养振动信号进行分类
Weizheng Jiang1,2, Zhibo Chen1,2, Haiyan Zhang1,2
1School of Information Science and Technology, Beijing Forestry University, Beijing 100083, China.
Insects
|April 26, 2024
概括
一个新的神经网络,RMAMNet,使用振动信号准确地检测木钻者. 这项技术为有效的森林监测和预警系统提供了改进的害虫分类.
科学领域:
- 林业科学 林业科学
- 昆虫学 昆虫学是一门学科.
- 机器学习是机器学习.
背景情况:
- 像石灰这样的木材钻探者对森林健康和生物多样性的重大威胁.
- 目前用于检测木钻机的方法可能是低效和劳动密集型的.
研究的目的:
- 开发一种自动化系统,使用它们的食振动信号来检测和分类木虫害.
- 引入和评估一种新的神经网络架构,用于增强害虫识别.
主要方法:
- 使用压电陶传感器来捕获来自木材钻探器的钻探振动信号.
- 开发了一种新的卷积神经网络 (CNN),命名为剩余混合域注意力模块网络 (RMAMNet).
- 在RMAMNet架构中内置了通道域和时间域注意力机制.
主要成果:
- 拟议的RMAMNet实现了95.34%的识别精度和0.95.5的F1得分.
- 与ResNet和VGG等已建立的网络相比,RMAMNet表现优越.
- 该系统显著提高了木钻机分类的准确性.
结论:
- 基于振动特征,RMAMNet提供了一种高度准确和有效的方法来对木材虫害进行分类.
- 开发的系统显示出在林业害虫监测和早期预警系统中实际应用的巨大潜力.
- 这项研究为自动化木虫害管理提供了先进的技术支持.
