基于增强注意力机制的叶病自动视觉识别
Yumeng Yao1, Xiaodun Deng1, Xu Zhang2
1School of Engineering, Xi'an International University, Xi'an, China.
PeerJ. Computer science
|December 9, 2024
概括
这项研究引入了用于视觉叶病识别的增强注意力机制,在复杂条件下将番茄病变检测精度提高了10.3%. 该方法有助于在农业中快速,准确地识别疾病.
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:
- 视觉识别对于识别植物疾病至关重要,但由于复杂的背景和环境因素而面临挑战.
- 难以准确识别小叶病变,影响疾病管理和经济结果.
- 现有的方法在变化的照明和区分病变与背景杂乱方面扎.
研究的目的:
- 开发一种先进的视觉识别方法,以准确有效地识别番茄叶病.
- 在疾病检测中应对复杂背景,环境因素和小损伤目标的挑战.
- 提高叶病识别系统的稳定性和准确性.
主要方法:
- 提出了一种使用增强注意力机制的视觉叶病识别方法.
- 集成的多头注意力机制,用于准确识别小番茄损伤目标.
- 整合了Focaler-SIoU以改善从具有挑战性的分类样本中学习.
主要成果:
- 增强的注意力机制准确地识别了小型番茄病变,即使在不同的照明条件下.
- 与基线模型相比,拟议的算法实现了平均检测准确度增加10.3%.
- 该方法在复杂的条件下证明了稳定性,同时保持了有效的识别速度.
结论:
- 开发的方法为快速准确识别番茄疾病提供了有价值的工具.
- 这种方法可以显著帮助预防疾病和减少农业经济损失.
- 增强的注意力机制在具有挑战性的植物病理学应用中有望改善视觉识别.
