高精度的香品种识别使用视觉变压器基于特征提取和支持矢量机器.
1Department of Electrical and Electronics Engineering, Faculty of Engineering and Architecture, Recep Tayyip Erdogan University, Rize, Turkey. ebru.yavuz@erdogan.edu.tr.
Scientific reports
|March 26, 2025
概括
使用视觉转换器 (ViT) 和支持矢量机器的新混合深度学习框架准确地分类香品种. 这种先进的农业诊断工具可以达到很高的准确性,即使是微妙的早期特征.
科学领域:
- 农业科学 农业科学
- 计算机视觉 计算机视觉 计算机视觉
- 机器学习是机器学习.
背景情况:
- 香是全球重要的水果,因营养和味道而受到重视.
- 深度学习 (DL) 已经推进了农业诊断,但香品种分类仍然具有挑战性,特别是在早期阶段.
- 为了准确的分类,识别微妙的特征需要复杂的方法.
研究的目的:
- 为准确的香品种分类开发一种新的混合框架.
- 为全球语义特征集成视觉变压器 (ViT) 与支持矢量机器 (SVM) 进行强大的分类.
- 解决在香分类中识别微妙特征和数据不平衡方面的挑战.
主要方法:
- 开发了一个混合框架,将视觉变压器 (ViT) 和支持矢量机器 (SVM) 结合起来.
- 该框架在两个数据集上进行了评估:BananaImageBD (四类) 和BananaSet (六类).
- 在ViT模型中使用了自我监督和半监督的学习机制.
主要成果:
- 混合框架实现了高的分类准确率:在BananaSet上达到99.86%,在BananaImageBD上达到99.70%.
- 性能比传统方法高1.77%.
- ViT模型有效地提取了对农业应用至关重要的细微特征.
结论:
- 拟议的混合DL框架为自动化香品种检测和分类建立了一个新的基准.
- ViT提取微妙特征的能力对于农业诊断至关重要.
- 这种方法显示出促进精准农业和自动化水果分类的巨大潜力.


