TSAF-Net:一个旋转的两阶段Cnaphalocrocis medinalis损害检测方法,基于无任意导向的提案网络.
Tianjiao Chen1,2, Hongbo Chen1,2, Jianming Du1
1Intelligent Agriculture Engineering Laboratory of Anhui Province, Institute of Intelligent Machines, Hefei Institutes of Physical Science, Chinese Academy of Sciences, Hefei, China.
Pest management science
|May 29, 2024
概括
一种新的旋转检测方法有效地识别了Cnaphalocrocis medinalis (C. medinalis) 在田间的损伤. 这种自动化方法提高了农业调查的害虫检测准确性和效率.
科学领域:
- 农业昆虫学 农业昆虫学
- 计算机视觉 计算机视觉
- 机器学习 机器学习
背景情况:
- 河虫 (Cnaphalocrocis medinalis) 是一个重要的农业害虫,导致反复爆发.
- 自动检测害虫和疾病对于有效的现场调查至关重要.
- 现有的检测方法与C. medinalis损伤症状的可变方向和面积比作斗争.
研究的目的:
- 开发一种自动化,旋转的两阶段检测方法,用于现场C. medinalis调查.
- 解决通用检测方法在处理任意方向和害虫损害的比例方面存在的局限性.
- 用一个定制的场内C. medinalis数据集来验证拟议的方法.
主要方法:
- 实施一个无轮区域提案网络 (AF-R2PN).
- 开发一个旋转的两阶段检测框架来处理任意的方向.
- 为培训和验证建立一个专门的现场C. medinalis数据集.
主要成果:
- 拟议的方法实现了80%的平均精度 (AP),比水平探测器的性能优于2.3%.
- 与通用检测方法相比,证明了优越的本地化能力.
- 性能优于其他最先进的旋转检测算法,平衡速度和性能.
结论:
- 开发的方法在复杂的现场条件下在检测C. medinalis损伤方面表现出显著的优势.
- 提高现场调查的效率和覆盖范围,提供实际应用.
- 为农业害虫和疾病监测提供关键的技术支持.
