一个多级特征融合神经网络用于多类疾病分类在玉米叶图像上的多类疾病分类
Liangliang Liu1, Shixin Qiao1, Jing Chang1
1College of Information and Management Science, Henan Agricultural University, Zhengzhou, Henan 450046, PR China.
Heliyon
|May 1, 2024
概括
一个新的人工智能模型,MResNet,准确地识别了玉米叶病. 这种深度学习方法可以提高农业应用的疾病分类准确性.
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:
- 玉米叶病严重影响全球作物产量.
- 准确的疾病鉴定对于有效的作物管理至关重要.
- 目前的人工智能方法由于图像变化和有限的数据,难以对玉米叶病进行分类.
研究的目的:
- 开发一个先进的人工智能模型,准确地分类多种类型的玉米叶病.
- 克服现有的AI方法在玉米疾病检测方面的局限性.
主要方法:
- 提出了一个新的基于残留的多尺度网络 (MResNet),包含两个不同尺度的残留子网络.
- 采用混合特征重量优化方法来实现特征地图融合.
- 在专门的玉米叶病数据集上验证了模型.
主要成果:
- 在对玉米叶病的分类中,MResNet实现了97.45%的高精度.
- 该模型的性能优于现有的最先进的方法.
- 在多个数据集中确认了泛化性能.
结论:
- MResNet为玉米叶病的分类提供了强大而准确的解决方案.
- 这项研究加强了人工智能在精准农业和植物疾病管理中的作用.
- 热力学图分析改善了模型的解释性.
更多相关视频
06:12Author Spotlight: Investigating Fungal Pathogenicity Mechanisms in Maize
Published on: September 15, 2023
1.4K
06:11Author Spotlight: Improved Methods for Preparing Transverse Sections and Unrolled Whole Mounts of Maize Leaf Primordia for Fluorescence and Confocal Imaging
Published on: September 22, 2023
2.9K
