WMC-RTDETR:一种轻量级的茶病检测模型
Youcheng Zhang1, Jun Song1, Xinjian Yu2
1College of Information Science and Technology, Nanjing Forestry University, Nanjing, China.
Frontiers in plant science
|May 21, 2025
概括
这项研究介绍了WMC-RTDETR,这是一个改进的轻量级模型,用于检测茶叶害虫和疾病. 它在复杂的环境中提高了准确性和效率,为农业监测提供了一个实用的解决方案.
科学领域:
- 农业技术 农业技术
- 计算机视觉 计算机视觉 计算机视觉
- 机器学习 机器学习
背景情况:
- 精确检测茶叶害虫和疾病对于种植园管理至关重要.
- 阻塞和复杂的背景等挑战阻碍了传统的检测方法.
研究的目的:
- 开发一个改进的轻量级模型 (WMC-RTDETR),以有效和准确地检测茶叶害虫和疾病.
- 在复杂的农业场景中增强特征提取和目标检测.
主要方法:
- 引入了用于多尺度特征捕获的波形变换卷积.
- 集成的多个规模的多头自我注意力,用于全球特征融合.
- 设计了一个以上下文为导向的空间特征重建金字塔网络.
主要成果:
- 实现了97.7%的mAP50和83.1%的mAP50:95,超过了原始模型的性能.
- 模型参数减少了35.48%,FLOP减少了40.42%.
- 在Raspberry Pi上成功部署,以实现实时性能.
结论:
- 在复杂的茶叶种植园中,WMC-RTDETR提供了一个高效和准确的解决方案来检测害虫和疾病.
- 该模型的轻量级性质和实时性能使其适用于低成本的嵌入式农业监测系统.


