MoSViT:一个轻量级的视觉转换器框架,通过精确的注意力机制有效检测疾病
Yuanqi Chen1, Aiping Wang2, Ziyang Liu1
1School of Mechanical Engineering, Xijing University, Xi'an, China.
Frontiers in artificial intelligence
|April 10, 2025
概括
这项研究介绍了MoSViT,这是一种用于检测玉米疾病的机器学习模型. MoSViT准确地识别了诸如病和常见等疾病,改善了作物管理.
科学领域:
- 农业科学 农业科学
- 计算机科学 计算机科学
- 植物病理学 植物病理学
背景情况:
- 玉米是一个重要的全球作物,面临着因疾病而大幅降低产量.
- 目前用于玉米疾病的诊断方法通常是缓慢的,主观的,并阻碍有效管理.
研究的目的:
- 开发一个先进的机器学习模型,MoSViT,用于准确有效地分类玉米疾病.
- 通过利用计算机视觉和深度学习来改进现有的诊断工具.
主要方法:
- 开发了基于MobileViT V2框架的分类模型MoSViT,其中包括CLA焦点,DRB模块,MoSViT块和LeakyRelu6激活.
- 在3,850张玉米疾病图像 (,常见,灰色叶斑) 和健康样本上接受了MoSViT培训.
- 使用包括准确性,精度,回忆和F1分数在内的指标评估模型性能,并进行热图分析以了解可解释性.
主要成果:
- MoSViT实现了高性能指标:98.75%的准确性,98.73%的精度,98.72%的回忆率和98.72%的F1得分.
- 在准确性和参数效率方面,超越了像Swin Transformer V2,DenseNet121和EfficientNet V2这样的既定模型.
- 在小样本数据集上展示了强大的概括能力,表明了现实应用的潜力.
结论:
- MoSViT为玉米疾病诊断提供了一个高度准确和高效的解决方案.
- 通过热图分析模型的可解释性有助于理解其诊断过程.
- 对于小样本检测和及时的作物管理策略,MoSViT显示出前景.
