基于改进的MobileNetV3的茶叶病和昆虫识别
Yang Li1, Yuheng Lu2, Haoyang Liu1
1Key Laboratory of Tea Quality and Safety Control, Ministry of Agriculture and Rural Affairs, Tea Research Institute, Chinese Academy of Agricultural Sciences, Hangzhou, China.
Frontiers in plant science
|October 14, 2024
概括
这项研究引入了一个改进的MobileNetV3模型,用于检测茶叶疾病和昆虫. 改进后的模型实现了高精度,为智能茶叶植物健康监测提供了可靠的工具.
科学领域:
- 农业科学 农业科学
- 计算机科学 计算机科学
- 植物病理学 植物病理学
背景情况:
- 精确识别茶叶疾病和昆虫对于保持茶叶质量和产量至关重要.
- 传统的识别方法是劳动密集型的,对于广泛应用而言是不可扩展的.
研究的目的:
- 开发一个准确和高效的自动化系统来识别茶叶疾病和昆虫.
- 增强MobileNetV3架构,以提高这一特定任务的性能.
主要方法:
- 创建了17种茶叶疾病和昆虫类型的数据集,并结合了数据增强.
- 通过整合协调注意 (CA) 模块,MobileNetV3得到了改进.
- 应用了转移学习和微调策略来优化模型.
主要成果:
- 改进的MobileNetV3-CA模型与转移学习实现了95.88%的识别精度.
- 对比分析显示,与原来的MobileNetV3和其他经典模型 (ResNet18,AlexNet,VGG16,SqueezeNet,ShuffleNetV2) 相比,性能优越.
- 开发的应用程序证明了对智能诊断的稳定性.
结论:
- 增强的MobileNetV3-CA模型为茶叶疾病和昆虫识别提供了高度准确和强大的解决方案.
- 这种自动化方法为茶叶种植中的智能诊断提供了可靠的参考.
- 该研究强调了深度学习在改善农业害虫和疾病管理方面的潜力.
更多相关视频
08:13SwarmSight: Real-time Tracking of Insect Antenna Movements and Proboscis Extension Reflex Using a Common Preparation and Conventional Hardware
Published on: December 25, 2017
8.1K
08:53Application of Two-spotted Spider Mite Tetranychus urticae for Plant-pest Interaction Studies
Published on: July 4, 2014
17.7K
