基于环境数据的智能识别,用于在小麦叶中检测害虫和疾病,使用多式联络数据融合
1School of Mathematics and Statistics, Fuyang Normal University, Fuyang, China.
Frontiers in plant science
|September 11, 2025
概括
这项研究引入了一种新的多式联运数据融合技术,用于准确识别小麦害虫和疾病. 这种先进的模型显著改善了早期检测和诊断,提高了作物健康和精准农业的产量.
科学领域:
- 农业科学 农业科学
- 计算机科学 计算机科学
- 数据科学数据科学数据科学
背景情况:
- 精准农业利用智能技术来提高作物健康和产量.
- 准确及时识别小麦害虫和疾病对于有效的作物管理至关重要.
研究的目的:
- 开发新的多式联运数据融合模型,以可靠地识别小麦害虫和疾病.
- 整合图像处理,环境传感器数据和机器学习,以改善诊断.
主要方法:
- 利用深度学习算法进行图像分析,以检测小麦叶上的早期害虫和疾病.
- 集成的环境数据 (温度,湿度),以提高诊断准确度.
- 实施了数据融合过程,以整合各种数据源进行全面分析.
主要成果:
- 实现了高检测准确度 (96.5%),精度 (94.8%),回忆 (97.2%),F1得分 (95.9%),MCC (0.91) 和AUC-ROC (98.4%).
- 与基于卷积神经网络 (CNN) 和基于支持矢量机器 (SVM) 的技术相比,显著提高了性能.
- 呈现出180毫秒的快速推断时间,适合实时应用.
结论:
- 拟议的多式联通数据融合技术为小麦害虫和疾病识别提供了强大的解决方案.
- 该模型的适应性允许对其他作物和疾病的潜在应用.
- 这项创新通过加强作物监测和管理来支持可持续农业.
