CVW-Etr:一种高精度的方法来估计棉花垂直病的严重程度
Pan Pan1,2,3, Qiong Yao1,2,3,4, Jiawei Shen1,2,3
1Agricultural Information Institute, Chinese Academy of Agricultural Sciences, Beijing 100081, China.
Plants (Basel, Switzerland)
|November 9, 2024
概括
一种新的方法,CVW-Etr,使用人工智能准确估计了棉花垂的严重程度. 这加快了抗病棉花品种的繁殖速度,提高了作物产量和质量.
科学领域:
- 农业科学 农业科学
- 植物病理学 植物病理学
- 计算机视觉 计算机视觉
背景情况:
- 棉花的枯显著降低了作物的产量和质量.
- 准确的疾病严重程度评估对于培育耐药棉花品种至关重要.
- 目前的估计方法缓慢且低效,阻碍了繁殖的进展.
研究的目的:
- 开发一种高精度的方法来估计棉花垂虫的严重程度.
- 提高棉花育种计划中疾病评估的效率和准确性.
主要方法:
- 推出了CVW-Etr,这是一种新的方法,将YOLOv8-Seg与MobileSAM集成,用于疾病严重程度的估计.
- 采用专门的模块 (RFCBAMConv,C2f-RFCBAMConv,AWDownSample-Lite,GSegment) 来增强患病区域的细分. 这是一个很好的方法.
- 根据细分的病叶和病变比例将严重程度分为六个级别 (L0-L5).
主要成果:
- 在细分患病的叶子和病变方面,CVW-Etr实现了高性能.
- 证明了92.90%的平均平均精度 (mAP) 和92.92%的平均严重性估计精度.
- 该模型是高效的,只有2.6M参数和10.1G FLOPS,适合复杂的现场条件.
结论:
- CVW-Etr提供了一种强大而高效的解决方案,用于估计棉花虫的严重程度.
- 该方法为加速发展抗病棉花品种提供了有价值的见解.
- 这种由人工智能驱动的方法可以显著改善棉花质量和产量改善工作.
关键词:
移动SAM 移动SAM 公司在YOLOv8-Seg中使用YOLOv8.棉花的白虫 (verticillium) 枯了,因为它们会枯.农作物疾病严重程度水平估计作物疾病严重程度估计深度学习是一种深度学习.更多相关视频
05:03Remote Sensing Evaluation of Two-spotted Spider Mite Damage on Greenhouse Cotton
Published on: April 28, 2017
8.5K
11:12Protocols for Investigating the Host-tissue Distribution, Transmission-mode, and Effect on the Host Fitness of a Densovirus in the Cotton Bollworm
Published on: April 12, 2017
8.4K
