轻量级害虫物体检测模型用于复杂的经济森林树情景
Xiaohui Cheng1,2, Xukun Wang1, Yanping Kang1,2
1College of Computer Science and Engineering, Guilin University of Technology, Guilin 541004, China.
Insects
|September 27, 2025
概括
这项研究介绍了LightFAD-DETR,这是一种有效的AI模型,用于检测森林中的小型害虫. 它通过解决检测挑战,提高了可持续森林管理的准确性和速度.
科学领域:
- 计算机视觉 计算机视觉
- 人工智能的人工智能
- 林业科学 林业科学
背景情况:
- 经济森林中的害虫防治对于可持续管理至关重要.
- 目前的方法在有效性和检测小,封闭的害虫方面扎.
研究的目的:
- 开发一种轻量级,高精度的人工智能模型,用于检测小型森林害虫.
- 提高害虫检测效率,减少复杂森林环境中的错误率.
主要方法:
- 建议LightFAD-DETR,一个基于RT-DETR的轻量级架构.
- 集成的YOLOv9骨干和一个新的功能聚合扩散网络.
- 利用重新参数化技术和逐步训练以提高效率.
主要成果:
- 与基线RT-DETR相比,LightFAD-DETR实现了1.4%的mAP改进.
- 模型参数减少了41.7%,计算负载减少了35.0%.
- 达到了106.3 FPS的推断速度,证明了平衡的准确性和效率.
结论:
- 轻FAD-DETR在森林管理中轻量化害虫检测方面取得了重大进展.
- 该模型在复杂的场景中有效处理小,封闭的物体.
- 实现了优越的性能,减少了边缘部署的计算资源.


