TCSRNet:一个轻量级的烟草叶固化阶段识别网络模型
Panzhen Zhao1,2, Songfeng Wang1, Shijiang Duan3
1Tobacco Research Institute of Chinese Academy of Agricultural Sciences, Qingdao, China.
Frontiers in plant science
|January 2, 2025
概括
这项研究介绍了TCSRNet,这是一个轻量级模型,用于识别烟草叶的固化阶段. 它实现了高精度,降低了计算成本,支持智能烟草固化技术.
科学领域:
- 农业技术 农业技术
- 计算机视觉 计算机视觉
- 机器学习 机器学习
背景情况:
- 目前的图像分类模型在平衡烟草叶固化阶段识别的准确性和效率方面面临挑战.
- 烟草固化的计算限制和环境因素限制了现有模型的实际部署.
研究的目的:
- 开发一个轻量级分类网络模型,TCSRNet,以有效和准确地识别烟草叶固阶段.
- 提高智能烟草固化应用中使用的模型的计算效率和准确性.
主要方法:
- 开发了TCSRNet,这是一个轻量级的网络,包含Inception结构与并行卷积分支,用于多受体现场特征捕获.
- 集成的Ghost模块可通过参数共享显著降低计算复杂性和参数数量.
- 设计了一种多尺度适应性注意模块 (MAAM),以增强对纹理和颜色等关键视觉特征的感知.
主要成果:
- 在一个定制的烟草叶固化阶段数据集上,TCSRNet实现了90.35%的准确性,其中有158.136个MFLOP和1.749M个参数.
- 在精度,FLOP和参数数量方面表现优于ResNet34,GhostNet和MobileNetV3等既定模型.
- 在V2植物苗的数据集上显示了97.15%的准确性,这表明了强大的概括能力.
结论:
- TCSRNet为烟叶固化阶段的识别提供了精度和计算效率的卓越平衡.
- 该模型为推进智能烟草固化技术和烟草行业数字化转型提供理论支持.
更多相关视频
08:54Imaging Spatial Reorganization of a MAPK Signaling Pathway Using the Tobacco Transient Expression System
Published on: March 20, 2016
9.7K
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
