相关实验视频
Updated: Sep 10, 2025
05:16
Flying Insect Detection and Classification with Inexpensive Sensors
Published on: October 15, 2014
25.3K
基于深度学习的成年虫和虫轻量级识别网络的设计
Youchen Zhen1, Haibin Han1, Hongru Yue2
1Research Center for Grassland Entomology, Inner Mongolia Agricultural University, Hohhot 010020, China.
iScience
|August 21, 2025
概括
新的深度学习模型CGENet使用轻量级网络准确地识别虫和. 这种进步有助于精确控制害虫,减少农业损害.
科学领域:
- 生态学
- 计算机科学
- 昆虫学
背景情况:
- 草地虫和虫对草地生态系统的动态有很大影响.
- 准确识别这些昆虫属对于生态管理和农业保护至关重要.
研究的目的:
- 开发一种轻量级的深度学习模型,用于准确识别虫和属.
- 提高计算效率并减少实际应用的模型复杂性.
主要方法:
- 构建了两组图像数据集,每组包含 60 个虫和虫属.
- 开发了CGENet模型,整合了通道式主要组件注意力 (CPCA) 和GhostConv与高效的通道注意力 (ECA).
- 在模型训练中使用转移学习和Adam优化算法.
主要成果:
- 通过CGENet模型,可以很准确地识别虫和属.
- 该模型通过减少浮点运算 (FLOP) 和参数来提高计算效率.
- 整合CPCA和GhostConv模块有助于提高识别性能.
结论:
- 拟议的CGENet模型提供了一种有效和高效的解决方案来识别虫和属.
- 这项技术有助于精确的害虫控制策略,减轻农业生产的损害.
- 这项研究有助于生态监测和可持续农业实践.
