TomatoGuard-YOLO:一种新的高效的番茄病检测方法
1Shandong Provincial University Laboratory for Protected Horticulture, Weifang University of Science and Technology, Weifang, China.
Frontiers in plant science
|February 17, 2025
概括
TomatoGuard-YOLO提供了一种使用改进的YOLOv10模型检测番茄疾病的新有效方法. 这种先进的系统提高了准确性和速度,以改善作物管理和粮食安全.
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:
- 番茄作物面临重大疾病威胁,影响产量和全球粮食安全.
- 现有的疾病检测方法缺乏准确性,效率和可扩展性.
研究的目的:
- 开发一种先进,轻量级和高效的番茄病检测框架.
- 改进现有的YOLO架构以提高性能.
主要方法:
- 根据改进的YOLOv10架构提出了TomatoGuard-YOLO框架.
- 引入了用于特征提取和融合的多路径倒置剩余单元 (MPIRU).
- 实施动态聚焦注意力框架 (DFAF) 适应性区域焦点.
- 利用焦点-EIoU损失功能,以提高界限框的准确性和类平衡.
主要成果:
- 在专用数据集上实现了94.23%的平均平均精度 (mAP50).
- 演示了129.64/秒 (FPS) 的高推断速度.
- 结果是一款超紧型号,尺寸为2.65 MB.
结论:
- TomatoGuard-YOLO为智能植物疾病管理提供了一个变革性的解决方案.
- 该框架在检测准确性,速度和模型效率方面取得了重大进展.
- 这项技术支持可持续农业,增强全球粮食安全.
更多相关视频
09:05Tomato Root Transformation Followed by Inoculation with Ralstonia Solanacearum for Straightforward Genetic Analysis of Bacterial Wilt Disease
Published on: March 11, 2020
06:41High-Throughput Identification of Resistance to Pseudomonas syringae pv. Tomato in Tomato using Seedling Flood Assay
Published on: March 10, 2020
