基于级RCNN结合猪变压器的农田害虫识别
Ruikang Xu1, Jiajun Yu1, Lening Ai1
1Mechanical and Electrical Engineering Department, Qingdao University of Technology, Linyi, Shandong, China.
PloS one
|June 6, 2024
概括
本研究介绍了一种先进的两阶段目标检测方法,使用布式RCNN和Swin变压器模型来准确识别农业害虫. 这种新方法显著提高了害虫检测的准确性,有助于更好的作物保护和环境健康.
科学领域:
- 农业科学 农业科学
- 计算机视觉 计算机视觉
- 机器学习 机器学习
背景情况:
- 农业害虫和疾病造成了巨大的经济损失和食品安全问题.
- 由于标签数据有限和各种病虫形态,因此难以准确识别害虫.
研究的目的:
- 为准确的农业害虫识别开发一个强大的两阶段目标检测方法.
- 为了应对在害虫检测中有限的标签数据的挑战.
主要方法:
- 一种两阶段的检测方法,结合了布式RCNN和Swin变压器模型.
- 使用随机剪贴和在线增强技术进行数据增强.
- 一个具有自我注意力的新型SCF-FPN模块,用于增强特征提取.
主要成果:
- 在28种害虫物种中实现了92.5%的准确性,91.8%的回忆率和93.7%的平均平均精度 (mAP).
- 与基线模型相比显著改善 (12.1%的准确率,5.4%的回忆率,7.6%的mAP).
- 该方法可以准确地识别和定位农田害虫.
结论:
- 拟议的方法有效地克服了数据稀缺性,并提高了害虫检测性能.
- 这项技术可以通过精确的害虫管理来增强农田的生态环境.
