YOLOv5s-BiPCNeXt是一种轻量级模型,用于检测茄子叶子中的疾病
Zhedong Xie1, Chao Li1, Zhuang Yang1
1College of Engineering and Technology, Jilin Agricultural University, Changchun 130118, China.
Plants (Basel, Switzerland)
|August 29, 2024
概括
一个新的YOLOv5s-BiPCNeXt模型在自然环境中有效检测茄子叶病,如棕斑和粉状菌. 这种轻量级模型可以提高早期疾病识别的准确性和速度,提高作物产量.
科学领域:
- 农业科学 农业科学
- 计算机视觉 计算机视觉
- 人工智能的人工智能
背景情况:
- 准确的茄子叶病检测对于产量和收入至关重要.
- 目前的方法与自然场景的复杂性和早期病变作斗争.
- 有效地识别植物疾病仍然是一个关键的研究领域.
研究的目的:
- 在自然场景中开发一个有效和轻量级的对茄子叶病的检测模型.
- 为了提高识别早期疾病症状的准确性和速度.
- 为预防和治疗茄子疾病提供技术支持.
主要方法:
- 提出了一个轻量级的YOLOv5s-BiPCNeXt模型,配备MobileNeXt骨干和C3-BiPC部.
- 集成了一个多尺度的跨空间注意力机制 (EMA) 和CARAFE操作员.
- 在棕色斑点,粉状菌和健康的茄子叶子上评估模型性能.
主要成果:
- 实现了高平均精度 (AP):棕色斑点为94.9%,粉状菌为95.0%,健康叶子为99.5%.
- 在Jetson Orin Nano边缘设备上展示了26FPS的实时性能.
- 在自然条件下检测疾病,包括小,早期病变方面表现优于其他算法.
结论:
- 在复杂的环境中,YOLOv5s-BiPCNeXt模型为茄子叶病检测提供了卓越的性能.
- 该模型的轻量级设计和先进的机制提高了准确性和效率.
- 这项技术为农业实践和疾病管理提供了宝贵的支持.
