番茄叶病鉴定框架 FCMNet 基于多式联体融合
Siming Deng1, Jiale Zhu2, Yang Hu2
1College of Bangor, Central South University of Forestry and Technology, Changsha 410004, China.
Plants (Basel, Switzerland)
|August 14, 2025
概括
使用多式融合框架 (FCMNet) 改进了准确的番茄叶病识别,该框架结合了图像和文本描述. 这种方法提高了疾病识别的准确性和作物健康管理.
科学领域:
- 农业科学 农业科学
- 计算机视觉 计算机视觉
- 机器学习 机器学习
背景情况:
- 准确的番茄叶疾病识别对于作物健康和生产率至关重要.
- 单模式疾病识别方法缺乏准确性和通用性.
- 多模式融合为克服这些局限性提供了一个有希望的方法.
研究的目的:
- 提出一个新的番茄叶病识别框架,FCMNet,利用多式联接.
- 通过整合图像和文本数据来增强疾病特征的捕获.
- 为了提高番茄病识别的准确性和稳定性.
主要方法:
- 开发了一个富里埃指导的注意力机制 (FGAM),用于增强特征表达和病变定位.
- 引入了交叉视觉语言对齐 (CVLA) 模块,用于图像和文本之间的深度语义交互.
- 实施了多策略改进的Coati优化算法 (MSCOA) 进行高效的训练和参数优化.
主要成果:
- 与基线模型相比,FCMNet模型在准确度 (2.61%),精度 (2.85%),回忆力 (3.03%) 和F1得分 (3.06%) 中显著改善.
- 通过光谱变换,FGAM增强了功能稳定性和抗噪能力.
- CVLA 模块改善了多式模式语义理解.
结论:
- 通过有效的多式联接,FCMNet为番茄叶病的识别提供了卓越的解决方案.
- 提出的方法提供了更高的准确性,稳定性和概括能力.
- 这项研究具有实际农业应用和作物管理的巨大潜力.
