在复杂的背景下对棉花害虫类型进行分类的残留猪变压器
Ting Zhang1, Jikui Zhu1, Fengkui Zhang1
1College of Mechanical and Electrical Engineering/Modern Agricultural Engineering Key Laboratory at Universities of Education Department of Xinjiang Uygur Autonomous Region/Key Laboratory of Tarim Oasis Agriculture (Tarim University) Ministry of Education, Tarim University, Alar, China.
Frontiers in plant science
|September 11, 2024
概括
一个改进的Swin Transformer模型准确地识别棉花害虫,将检测准确度提高到97.4%. 这一进步支持精准农业和使用无人机 (UAV) 进行有效的害虫控制.
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:
- 棉花害虫对农作物产量和质量产生重大影响.
- 精确的虫害识别对于精准农业和通过无人机 (UAV) 目标化杀虫剂应用至关重要.
研究的目的:
- 开发一个改进的Swin变压器模型,用于准确的棉花害虫分类.
- 提高棉花害虫的识别能力,即使在复杂的背景下.
主要方法:
- 开发了一种修改后的Swin变压器模型,其中包含剩余模块和跳过连接.
- 采用了2705张现场采集的棉花害虫叶片图像 (棉花虫,虫,叶) 的数据集.
- 在模型训练之前,应用了图像预处理和数据增强技术.
主要成果:
- 改进的模型实现了97.4%的分类准确度,比原始模型的94.6%提高了.
- 每张图像的预测时间为0.00434s.
- 该模型与其他七种分类模型相比显示出更高的准确性,准确性改进范围为0.5%至8.0%.
结论:
- 增强的Swin变压器模型显著提高了棉花害虫检测的准确性和效率.
- 该模型的性能和效率使其适合在边缘设备上部署,如无人机,用于实时害虫管理.
- 这为先进的棉花害虫防治和精确喷策略提供了技术基础.
