ED-Swin变压器:一个草疾病分类模型与无人机图像集成
Jing Zhang1, Hao Zhou1, Kunyu Liu2
1College of Artificial Intelligence & Computer Science, Xi'an University of Science and Technology, Xi'an 710600, China.
Sensors (Basel, Switzerland)
|April 26, 2025
概括
这项研究介绍了一种智能方法,用于识别麻豆疾病,使用无人机图像和ED-Swin变压器. 该方法有效地克服了背景噪音和不规则的疾病形状,提高了农业疾病分类的准确性.
科学领域:
- 农业科学 农业科学
- 计算机视觉 计算机视觉
- 遥感 遥感 遥感 遥感
背景情况:
- 麻病威胁到热带农业和粮食安全.
- 手动监控效率低下,并且缺乏空间覆盖.
- 无人机图像提供高分辨率,但面临复杂的背景和不规则的疾病形态的挑战.
研究的目的:
- 开发一种智能分类方法,使用无人机成像对麻病进行分类.
- 解决现有方法在处理复杂的背景和不规则的疾病形状方面的局限性.
- 为了提高麻病的鉴定准确性和效率.
主要方法:
- 提出了一个ED-Swin变压器模型,集成EMAGE和DASPP模块.
- EMAGE模块使用多级分组注意力来提取特征,减轻背景噪声.
- DASPP模块采用可变形心脏卷积,以适应不规则的疾病边界.
主要成果:
- ED-Swin变压器模型在五个评估指标上实现了高性能.
- 与现有方法相比,在准确性方面取得了显著的改进.
- 获得的分数分别为94.32%,94.56%,98.56%,89.22%和96.52%.这些分数分别为94.32%,94.56%,98.56%和96.52%.
结论:
- ED-Swin变压器模型显示了使用无人机图像进行麻病疾病分类的卓越性能.
- 提出的方法有效地处理复杂的背景和不规则的疾病形态.
- 这项技术可以显著改善农业监测和疾病管理.
