在基于CT和MV-UNet的单一小麦核中进行Sitophilus zeamais发展过程的非破坏性检测和快速细分
Ju Gao1, Ying Zhou1, Yanbo Hui1
1School of Mechanical and Electrical Engineering, Henan University of Technology, Zhengzhou, China.
Journal of economic entomology
|February 12, 2025
概括
一种新方法使用计算机断层扫描和专门的AI模型来检测小麦内部的Sitophilus zeamais (S. zeamais) 虫. 这项技术可以准确,快速分析虫的发展,改善害虫控制和小麦的质量.
科学领域:
- 农业科学 农业科学
- 计算机视觉 计算机视觉
- 生物技术是生物技术.
背景情况:
- 在收获后的阶段,小麦容易受到昆虫的伤害,这会影响其质量和安全.
- 传统的害虫检测方法效率低下,可能会损害谷物,特别是用于识别幼虫.
- 塞托菲勒斯 (S. zeamais) 感染导致储存小麦的重大经济损失.
研究的目的:
- 开发一种准确和有效的方法来检测小麦粒中的S. zeamais.
- 想象和分析S. zeamais的发育阶段和身体特征.
- 加强小麦质量控制和害虫管理策略.
主要方法:
- 计算机断层扫描 (CT) 技术用于小麦粒的非破坏性内部成像.
- 一个多功能和视觉变压器U-Net模型用于S. zeamais检测和细分.
- 图像处理用于3D模型创建和特征提取 (体积,表面积,长度).
主要成果:
- 经过200次培训代后,增强的U-Net模型实现了94.4%的平均交叉点在联盟 (IoU) 上.
- 成功细分了S. zeamais,创建了3D模型,并提取了发育特征.
- 在S. zeamais体积和长度的量化增长跨发展阶段,从蛋到成年.
结论:
- 拟议的基于CT的AI方法提供了S. zeamais的准确和快速检测和可视化.
- 这种方法支持害虫发展的早期变异分析.
- 提高小麦的整体质量和害虫防治措施的有效性.


