在SSM的基础上检测米苗缺陷
Youran Xia1, Zhengtao Zhu2, Xiaobin Liu3
1School of Electromechanical Engineering, Guangdong University of Technology, Guangzhou, 510006, China.
Scientific reports
|July 2, 2025
概括
本研究引入了一种自动化方法,用于使用状态空间模型检测丢失的苗. 这种方法显著提高了检测准确度,为大规模的水种植提供了实际解决方案.
科学领域:
- 农业工程 农业工程
- 计算机视觉 计算机视觉
- 机器学习 机器学习
背景情况:
- 在大规模种植中,大米苗不足是一个主要的挑战,影响了再种植时间表.
- 手动检查方法是劳动密集型的,并且在及时检测方面效率低下.
研究的目的:
- 开发一种自动化和准确的方法来检测苗缺陷.
- 为了提高大米田中小苗的检测精度.
主要方法:
- 采用了一种具有双分支特征提取模块的新型状态空间模型 (Mamba).
- 集成波形卷积转换来增强特征检测.
- 该方法在自建的苗缺陷数据集上进行了评估.
主要成果:
- 拟议的优化模型实现了平均平均精度为50% (mAP50) 的78%.
- 与现有的基线模型相比,该方法显示出更高的性能.
结论:
- 开发的方法提供了一种有效和实用的解决方案,用于自动检测水苗的缺陷.
- 这一创新解决了对大规模米种植的有效监测的需求.
