功能扩散重建机制网络用于作物头检测.
Rui Ming1, Qian Gong1, Chen Yang1
1Fujian Provincial Key Laboratory of Information Processing and Intelligent Control, College of Computer and Big Data, Minjiang University, Fuzhou, China.
Frontiers in plant science
|October 23, 2024
概括
FDRMNet使用新的特征扩散重建机制准确地检测作物尖端,改善了精准农业. 这种高效的深度学习模型可以在资源有限的低海拔平台上加强作物监测.
科学领域:
- 农业科学 农业科学
- 计算机视觉 计算机视觉
- 遥感 遥感 遥感 遥感
背景情况:
- 低海拔遥感对于精准农业至关重要,它可以监测作物健康和产量.
- 现有的深度学习方法用于作物尖端检测在资源有限的平台上缺乏效率和准确性.
研究的目的:
- 开发一个高效和准确的作物尖峰检测网络,用于低海拔遥感.
- 解决当前处理多尺度环境和计算约束的方法的局限性.
主要方法:
- 拟议的FDRMNet (特征扩散重建机制网络) 具有多尺度特征焦点重建模块.
- 整合了注意力增强功能融合模块,以改善功能交互.
- 使用轻量级参数共享检测头来减少计算复杂性.
主要成果:
- 在小麦和大米数据集上,FDRMNet实现了高性能,mAP@.5分别为94.23%和75.13%,R2分别为0.969和0.963.
- 该模型以227.27和288FPS的高效率和低参数数 (6.8M) 的高效率.
- 在精度和计算效率方面超越了最先进的方法,排在前三名.
结论:
- FDRMNet提供了一个实用和可通用的解决方案,用于作物尖端检测和计数.
- 拟议的网络显著提高了检测准确度,同时保持了低计算复杂度.
- 这项研究通过有效的作物监测,为精准农业带来了巨大的好处.
更多相关视频
08:47Author Spotlight: UAV Remote Sensing for Efficient Invasive Plant Biomass Estimation
Published on: February 9, 2024
1.3K
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
