Apnet:在现实世界中复杂的背景下轻量级网络用于杏树疾病和害虫检测
Minglang Li1, Zhiyong Tao2, Wentao Yan3
1School of Electronic and Information Engineering, Liaoning Technical University, Huludao, 125105, China.
Plant methods
|January 9, 2025
概括
研究人员开发了一种新的深度学习模型和数据集 (ATZD01),用于识别杏仁树害虫和疾病. 与传统方法相比,这种自动化方法显著提高了检测准确度.
科学领域:
- 农业科学 农业科学
- 计算机视觉 计算机视觉
- 机器学习 机器学习
背景情况:
- 杏树是重要的农业资源,但害虫和疾病的检测是劳动密集的.
- 杏树疾病的视觉症状适合深度学习分析.
- 现有的研究缺乏全面的数据集和专业的深度学习模型.
研究的目的:
- 引入一种新的,公开可访问的数据集 (ATZD01),用于探测杏仁树害虫和疾病.
- 开发一种创新的深度学习算法,以提高检测准确度.
- 为了弥补现实数据集和专业模型的差距,用于杏仁树健康管理.
主要方法:
- 在现场条件下编制了ATZD01数据集,其中包含11个类别的杏树害虫和疾病.
- 基于卷积神经网络的检测算法的开发.
- 介绍了APNet对象检测框架和自适应值算法 (ATA).
主要成果:
- 拟议的算法在ATZD01数据集上实现了87.1%的准确率.
- 开发的模型在检测准确度方面超过了现有的领先算法.
- ATZD01数据集和相关代码是公开可用于研究的.
结论:
- 该研究成功地引入了一个有价值的数据集和一个有效的深度学习模型,用于探测杏仁树害虫和疾病.
- 与ATA合作的APNet框架显示了加强农业监测和管理的巨大潜力.
- 这些发现为在杏仁种植中更有效,更准确的疾病管理铺平了道路.
