DSCONV-GAN:一种基于无人机的模型,用于在复杂的生长环境下检测中国白菜中的垂虫病
Jun Zhang1,2, Dongfang Zhang2,3, Jingyan Liu1
1College of Mechanical and Electrical Engineering, Hebei Agricultural University, Baoding, 071000, China.
Plant methods
|December 19, 2024
概括
使用DSConv-GAN,一种分析无人机图像的AI模型,在中国白菜中早期检测Verticillium枯,显著改善了作物产量预测和管理. 这项技术在复杂的现场条件下提供了快速而准确的疾病识别.
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:
- 黄的枯显著降低了中国白菜的产量.
- 准确和早期发现疾病对于有效的作物管理至关重要.
- 现有的检测方法在复杂的环境中可能缺乏速度和准确性.
研究的目的:
- 开发一种先进的检测模型,用于中国白菜中的Verticillium枯.
- 为了利用无人机 (UAV) 图像来识别疾病.
- 在各种生长条件下提高疾病检测的准确性和效率.
主要方法:
- 拟议的DSConv-GAN模型整合了YOLOv8与动态蛇形卷积 (DSConv) 和MPDIoU损失.
- 使用Cycle-GAN生成Verticillium wilt的合成图像,用于数据增强.
- 用无人机获取的图像用于模型培训和验证.
主要成果:
- 对轻度感染的植物实现了高检测性能:81.3%的精度,86.6%的召回,87.7%的mAP和83.9%的F1得分.
- 与其他模型相比,DSConv-GAN表现出卓越的精度,速度,稳定性和通用性.
- 该模型有效地捕捉了复杂的植物结构和全球特征.
结论:
- DSConv-GAN是一种高效的智能农业工具,用于早期,快速和准确地检测中国白菜Verticillium wilt.
- 与软件的集成增强了检测方法的实际适用性.
- 这项研究为在具有挑战性的农业环境中管理Verticillium枯提供了有价值的解决方案.
