在温室中高精度检测害虫和疾病,使用新的IM-AlexNet框架
Ruipeng Tang1, Narendra Kumar Aridas2, Mohamad Sofian Abu Talip2
1Faculty of Engineering, University of Malaya, 50603, Kuala Lumpur, Malaysia. 22057874@siswa.um.edu.my.
NPJ science of food
|May 9, 2025
概括
一个改进的AlexNet模型增强了温室害虫和疾病的识别. 这种人工智能工具提高了检测准确度,有助于可持续农业,并减少种植者使用农药.
科学领域:
- 农业科学 农业科学
- 计算机视觉 计算机视觉
- 人工智能的人工智能
背景情况:
- 温室蔬菜生产面临的挑战是,由于封闭的环境,害虫和疾病的发病率很高.
- 准确和早期识别害虫和疾病对于有效管理和作物产量至关重要.
研究的目的:
- 开发和评估一个改进的深度学习模型,以更好地识别温室蔬菜中的害虫和疾病.
- 评估模型的性能与传统方法和其他先进模型相比.
主要方法:
- 提出了一个改进的AlexNet (IM-AlexNet) 模型,集成ReLU6,批量规范化和GoogleNet Inception-v3.3.
- 模型的性能使用包括精度,回忆,F1得分和平均精度 (MAP) 在内的指标进行了评估.
- 对AlexNet,卷积神经网络 (CNN) 和YOLO-v7模型进行了比较分析.
主要成果:
- 与传统模型相比,IM-AlexNet模型在精度,回忆,F1和MAP方面表现出卓越的性能.
- 实现了88.91%的平均精度 (MAP),大大超过了AlexNet (78.14%),CNN (80.31%) 和YOLO-v7 (83.77%).
- 展示了强大的概括能力,减少了错过的检测,并在复杂的背景下改善了目标识别,特别是在小样本条件下.
结论:
- IM-AlexNet模型为温室环境中的智能害虫和疾病监测提供了强大而准确的解决方案.
- 这项技术可以显著帮助温室蔬菜种植者减少农药的使用,促进环境可持续性.
- 该研究为人工智能驱动的农业害虫管理系统的未来进展奠定了基础.
