提高棉花白 (Bemisia tabaci) 检测和计数的成本效益高的深度学习方法在树Pi上
Zhen Feng1, Nan Wang1, Ying Jin1
1The Key Laboratory for Quality Improvement of Agricultural Products of Zhejiang Province, College of Advanced Agricultural Sciences, Zhejiang A&F University, Linan, Hangzhou, 311300, Zhejiang, China.
Plant methods
|October 19, 2024
概括
这项研究开发了一种使用深度学习模型的自动化系统,用于快速检测和量化棉花白 (Bemisia tabaci). 该系统能够早期识别害虫,改善作物管理策略.
科学领域:
- 农业昆虫学 农业昆虫学
- 计算机视觉 计算机视觉
- 机器学习 机器学习
背景情况:
- 棉花白 (Bemisia tabaci) 是一个重要的农业害虫,造成作物损害.
- 手动检测是劳动密集型和具有挑战性的,因为害虫的特点.
- 需要高效,高通量自动化系统进行实时监控.
研究的目的:
- 开发一个自动化系统,有效地检测和量化棉花白.
- 提高害虫早期检测,以改善作物管理.
- 创建一个工具,快速识别和计数B. tabaci.
主要方法:
- 开发了一个基于YOLO v8s的深度学习模型,使用Swin-Transformer和P2结构进行修改.
- 编译并增强了1200张注释的白图像的数据集.
- 在带有GUI的Raspberry Pi上集成模型,并使用SAHI进行预处理.
主要成果:
- 实现了高性能,精度为0.87,mAP50为0.92,F1得分为0.88.
- 证明精确检测和计数棉花叶上的白.
- 在下午和特定植物段中确定了较高的白密度.
结论:
- 增强的YOLO v8s模型可以精确地检测白并计算硬件设备.
- 该系统适用于需要准确量化研究,例如表型分析.
- 未来在田间部署的目标是有效地管理白入侵.
