智能识别古吉虫害使用CNN与多图形遮蔽数据增强和多重注意力融合机制
1School of Electronics and Information Engineering, Hangzhou Dianzi University, Hangzhou, China.
Archives of insect biochemistry and physiology
|April 22, 2025
概括
一个新的深度学习模型,GojiNet,准确地识别了17种果害虫,准确率为95.35%. 这种人工智能方法改进了传统方法,为作物保护提供了更快,更精确的解决方案.
科学领域:
- 农业科学 农业科学
- 计算机科学 计算机科学
- 人工智能的人工智能
背景情况:
- 害虫侵袭严重威胁着古吉果的产量和质量.
- 手动识别害虫是主观的,耗时的,劳动密集的.
研究的目的:
- 开发一个改进的卷积神经网络 (CNN) 以准确识别17种古吉果害虫类型.
- 为了提高害虫识别效率和准确性,在古吉种植.
主要方法:
- 使用多图封闭技术增强数据.
- 开发GojiNet,这是一个基于ResNet18的新型CNN,具有多注意力融合模块.
- 培训和评估GojiNet模型在Goji果害虫的数据集上.
主要成果:
- 戈吉网实现了95.35%的平均识别准确度.
- 这比基线ResNet18网络有2.60%的改进.
- 该模型表现出更高的准确性,只需稍微增加训练时间和缩小模型大小.
结论:
- 戈吉网提供了一个高度准确和高效的解决方案,用于识别戈吉果的害虫.
- 深度学习对农业的智能和精确的害虫管理具有重大潜力.
- 该研究为自动化虫害识别系统提供了一个参考解决方案.
