使用狮子优化算法的深度功能识别麦昆虫
M A Elmagzoub1, Wahidur Rahman2,3, Kaniz Roksana2
1Department of Network and Communication Engineering, College of Computer Science and Information Systems, Najran University, Najran, 61441, Saudi Arabia.
Heliyon
|July 8, 2024
概括
使用先进的人工智能早期检测水昆虫可以防止大米收获的重大损失. 这项研究将深度学习和机器学习与功能优化集成在一起,以准确识别害虫.
科学领域:
- 农业科学 农业科学
- 计算机科学 计算机科学
- 人工智能的人工智能
背景情况:
- 病虫害导致全球大米产量大幅下降,估计为20%.
- 早期发现米昆虫对于减轻这些经济影响至关重要.
- 现有的昆虫识别系统缺乏集成的功能优化与深度学习和机器学习.
研究的目的:
- 开发一个框架,使用先进的人工智能技术快速检测和分类大米昆虫.
- 通过预处理和特征选择来增强田昆虫图像数据集.
- 为了提高在农业领域的水昆虫诊断的准确性和效率.
主要方法:
- 收集和分类一个米昆虫图像数据集.
- 应用预处理技术,如增强和图像过.
- 使用5个预训练的卷积神经网络模型来提取特征.
- 实施特征选择方法:主要组件分析 (PCA),递归特征消除 (RFE),线性差异分析 (LDA) 和狮子优化.
- 采用7个机器学习算法来识别昆虫.
主要成果:
- 拟议的框架成功地从图像中检测和分类田昆虫.
- 使用ResNet50结合后勤回归和PCA提取的特征向量实现了最高的准确率99.28%.
- 功能优化技术的整合显著改善了诊断能力.
结论:
- 开发的AI框架为米昆虫诊断提供了高度准确和高效的解决方案.
- 这种方法有可能显著减少在米种植中的作物损失.
- 这项研究强调了将深度学习,机器学习和功能优化结合起来对于农业害虫管理的重要性.
