草角叶斑的双相严重度分级基于改进的YOLOv11和OpenCV

科学领域:

• 农业科学 农业科学
• 计算机视觉 计算机视觉
• 植物病理学 植物病理学

背景情况:

• 草角叶斑,由*Phyllosticta fragaricola*引起,导致全球经济遭受重大损失.
• 准确和有效的疾病严重程度评估对于有效的草作物管理和育种至关重要.

研究的目的:

• 开发一个双相分级框架,用于自动评估草角叶斑的严重程度.
• 通过注意力机制和计算机视觉来增强深度学习模型,以精确检测和细分病变.

主要方法:

• 一个增强的You Only Look Once版本11 (YOLOv11) 架构与内容意识重组功能 (CARAFE) 和挤压和激发 (SE) 注意 (YOLOv11-CARAFE-SE) 集成.
• 基于OpenCV的值细分,使用HSV颜色空间进行精确的病变细分.
• 开发专用软件,集成YOLOv11-CARAFE-SE模型和OpenCV算法,用于疾病严重程度分级.

主要成果:

• 在YOLOv11-CARAFE-SE模型中,盒子mAP@0.5的93.2% (+1.4%) 和面罩mAP@0.5的93.0% (+0.9%) 的性能得到了改进.
• 推断时间缩短到0.9毫秒,计算负载缩短到10.1 GFLOPS.
• 这两个阶段的框架在检测疾病样本方面显示了94.2%的平均准确性,使实时现场诊断成为可能.

结论:

• 拟议的双相分级框架为草角叶斑严重性评估提供了强大而高效的解决方案.
• 这项技术促进了对抗性繁殖的高通量表型分析,并为基于现场的草疾病管理建立了技术框架.