贝叶斯混合物专家识别模型用于基于特征融合的烟草叶固阶段
Panzhen Zhao1,2, Shijiang Duan3, Songfeng Wang4
1Tobacco Research Institute, Chinese Academy of Agricultural Sciences, Qingdao, 266101, China.
Plant methods
|June 16, 2025
概括
这项研究引入了贝叶斯混合物专家识别模型,用于烟草叶固阶段,达到93.96%的准确性. 该模型有效地整合了各种功能,用于可靠的识别,支持烟草行业.
科学领域:
- 农业科学 农业科学
- 计算机科学 计算机科学
背景情况:
- 烟草叶的固化阶段表现出不同的视觉特征,受到原产地和环境的影响,使准确的识别变得复杂.
- 单个特征或模型难以捕捉烟草叶在固化过程中的视觉特征的复杂性.
研究的目的:
- 开发一个强大的识别模型,用于烟草叶固化阶段,使用特征融合和集体学习.
- 提高自动化烟叶阶段识别的准确性和可解释性.
主要方法:
- 使用深度学习模型 (ResNet34,MobileNetV2,EfficientNetb0) 来从烟草叶图像数据集中提取特征.
- 采用了各种特征融合技术 (连锁,缩放,自适应式关门) 和优化组合学习模型.
- 应用贝叶斯优化来整合多个专家模型进行最终识别.
主要成果:
- 建议的贝叶斯混合物专家识别模型在测试组件上实现了93.96%的识别准确性.
- 整体模型在识别性能方面明显优于单个基准模型.
- 综合方法有效地捕捉和识别了烟草固过程的复杂动态视觉特征.
结论:
- 开发的模型提供了一种高效和强大的解决方案,用于识别烟草叶的固化阶段.
- 特性融合和贝叶斯优化增强了复杂环境中的系统适应性和解释性.
- 这项研究通过先进的图像识别,为烟草行业的智能升级提供了强有力的支持.
