使用YOLO-Leaf精准农业:用于检测果叶病的先进方法
Tong Li1, Liyuan Zhang1, Jianchu Lin2,3
1College of Agriculture and Forestry Economics and Management, Lanzhou University of Finance and Economics, Lanzhou, China.
Frontiers in plant science
|October 30, 2024
概括
一个新的果叶病检测模型,YOLO-Leaf,通过使用动态蛇卷积和BiFormer等高级功能来提高准确性. 这项技术为农业疾病检测和作物健康管理提供了实际应用.
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:
- 准确检测果叶疾病对于作物健康和产量至关重要.
- 目前的检测方法与可变的照明,阴影和尺度复杂性作斗争.
研究的目的:
- 开发一种先进的模型,以提高准确性和概括性来检测果叶病.
- 在具有挑战性的环境条件下克服现有检测方法的局限性.
主要方法:
- 提出了一个名为YOLO-Leaf.的新型模型.
- 集成的动态蛇卷积 (DSConv) 为强大的特征提取.
- 使用BiFormer来增强注意力机制.
- 引入了IF-CIoU,用于改进边界框回归.
主要成果:
- 在FGVC7和FGVC8数据集上,YOLO-Leaf实现了高检测准确度.
- 与现有模型相比,表现出优越的性能.
- 获得了93.88% (FGVC7) 和95.69% (FGVC8) 的mAP50分数.
结论:
- YOLO-Leaf模型显著提高了果叶病检测准确度.
- 提出的方法 (DSConv,BiFormer,IF-CIoU) 有助于提高检测性能.
- 在农业疾病监测中,YOLO-Leaf具有很强的实际应用潜力.
更多相关视频
09:23Specific and Accurate Detection of the Citrus Greening Pathogen Candidatus liberibacter spp. Using Conventional PCR on Citrus Leaf Tissue Samples
Published on: June 29, 2018
7.6K
11:30Unravelling the Function of a Bacterial Effector from a Non-cultivable Plant Pathogen Using a Yeast Two-hybrid Screen
Published on: January 20, 2017
11.5K
