MAVM-UNet:用于田间大米害虫检测的多尺度聚合视觉MambaU-Net
Congqi Zhang1, Ting Zhang2, Guanyu Shang3
1School of Software Engineering, Chengdu University of Technology, Chengdu, China.
Frontiers in plant science
|August 29, 2025
概括
一个新的MAVM-UNet模型能够准确地检测到水害虫,提高作物产量并减少农药的使用. 这种先进的深度学习方法提高了农业中的害虫监测和控制策略.
科学领域:
- 农业科学
- 计算机视觉
- 人工智能
背景情况:
- 由于农药过度使用, 产受到害虫的威胁,
- 由于其不规则的形状,小尺寸和复杂的背景, 难以准确地检测各种水害虫.
- 有效的虫害检测对于精确的虫害管理和可持续农业至关重要.
研究的目的:
- 开发一个先进的深度学习模型,
- 解决基于图像的检测中害虫变异性和复杂现场条件所带来的挑战.
- 为改善水种植害虫监测和控制策略提供基础.
主要方法:
- 构建了一个新的多尺度聚合视觉MambaU-Net (MAVM-UNet) 模型.
- 该模型包含视觉状态空间 (VSS),多尺度VSS (MSVSS),通道感知VSS (CAVSS) 和多尺度注意力聚合 (MSAA) 模块.
- 整合了CAVSS和MSAA模块以捕捉多个尺度的特征,低级细节和高级语义.
主要成果:
- 与IP102数据集上的最先进模型相比,MAVM-UNet模型取得了更高的性能.
- 该模型获得了82.07%的精度 (PA) 和81.48%的平均交叉点 (MIoU).
- 实验结果表明该模型在捕获细粒度和粗粒度害虫特征方面的有效性.
结论:
- 开发的MAVM-UNet模型在自动化虫检测方面取得了重大进展.
- 这项技术可以为田提供更精确,更环保的虫害监测和控制.
- 这项研究为在农业害虫管理中应用先进的计算机视觉技术提供了宝贵的见解.
