多阶段渐进式检测方法用于检测垂直绿地植物的缺水情况

科学领域:

• 农业科学 农业科学
• 计算机视觉 计算机视觉
• 植物生理学 植物生理学

背景情况:

• 准确检测垂直绿地植物的缺水情况对于种植至关重要.
• 目前的单阶段目标检测方法与复杂的环境和图像质量变化作斗争.
• 现有的方法在现实世界垂直绿化植物监测中缺乏效率和准确性.

研究的目的:

• 开发一个多阶段的渐进式检测方法,以提高在垂直绿化植物中识别缺水的准确性和效率.
• 引入一个带有移动窗口和层次特征提取的Swin变压器,以提高计算性能.
• 在复杂的种植场景中解决当前检测算法的局限性.

主要方法:

• 提出了一种多阶段的渐进式检测架构,用于逐渐的图像过,处理和检测.
• 集成了一个Swin变压器与移动窗口和层次表示,以实现高效的特征提取.
• 采用了全球特征建模的自我注意机制,以增强检测能力.

主要成果:

• 多阶段检测方法实现了高平均精度93.5%的垂直绿色植物检测.
• 与Mask R-CNN (19.2%),YOLOv7 (17.3%),DETR (13.8%) 和可变形DETR (9.2%) 相比,显示出显著的准确性改善.
• 该方法有效地减少了计算负载,同时提高了整体检测效率.

结论:

• 拟议的多阶段渐进式检测方法为在垂直绿化植物中准确和高效地检测缺水提供了优质的解决方案.
• 斯温变压器和自我注意机制的集成有助于强大的特征提取和全球建模.
• 这一进步对精准农业和可持续的城市绿化实践有重大影响.