多核初始聚合扩散网络用于番茄病检测

科学领域:

• 农业科学 农业科学
• 计算机视觉 计算机视觉
• 植物病理学 植物病理学

背景情况:

• 番茄叶子疾病,如斑点叶子,叶子卷曲病毒,垂,早衰,显著降低作物产量和质量.
• 由于受影响叶子的尺度变化,准确和快速检测这些疾病是具有挑战性的.
• 有效的疾病管理需要及时识别,以减轻番茄种植的经济损失.

研究的目的:

• 开发一个实时检测模型,以在不同尺度上识别番茄叶病.
• 提高番茄植物疾病诊断的准确性和效率.
• 通过先进的检测方法,为提高番茄种植质量提供有效的解决方案.

主要方法:

• 提出了一个多核初始聚合扩散网络 (MIADN),用于处理多尺度的特征.
• 引入了多核启动模块 (MKIM) 以使用多种卷积内核提取和融合多尺度对象特征.
• 整合了FasterNet网络,以高效地提取特征,保持特征多样性并增强复杂特征识别.

主要成果:

• 拟议的MIADN模型实现了96.6%的平均平均精度 (mAP50).
• 该方法比基线模型有4.1%的改进,比YOLOv9s模型有2.0%的改进.
• 实验结果验证了该模型在检测各种规模的番茄叶病的有效性.

结论:

• 开发的MIADN模型为实时检测番茄叶病提供了强大而准确的解决方案.
• 整合MKIM和FasterNet显著提高了特征处理和提取能力.
• 这种方法有助于高品质的番茄种植,使得迅速和精确的疾病管理.