利用人工智能来实现可持续的叶疾病分类

科学领域:

• 农业科学 农业科学
• 计算机科学 计算机科学
• 生物技术是生物技术.

背景情况:

• 农业对全球粮食安全至关重要,大米是重要的主食作物.
• 米生产面临着Hispa,叶子爆发和棕色斑点等疾病的重大威胁,影响产量和质量.
• 可持续发展目标2 (SDG2) 需要创新的解决方案来保护作物和加强粮食安全.

研究的目的:

• 开发和评估人工智能 (AI) 模型,用于早期检测和分类大米叶病.
• 通过在卷积神经网络 (CNN) 中结合空间和通道注意力机制来提高模型的准确性.
• 设计一个轻量级的模块化系统,用于在农业环境中的边缘设备上实时实现.

主要方法:

• 一个卷积神经网络 (CNN) 使用3,355个标记的米叶图像的数据集被开发出来.
• 空间和道注意力机制被整合到CNN中,以改善对关键疾病指标的关注.
• 该模型被训练并根据其在分类四个类别中的表现进行评估:棕色斑点,叶子爆炸,Hispa和健康的叶子.

主要成果:

• 增强的CNN模型在所有测试的叶疾病类别中表现出高精度和强大的性能.
• 注意力机制显著提高了模型在识别微妙和复杂疾病模式方面的精度.
• 轻量级架构促进了边缘设备的高效实时操作,证明了其实际适用性.

结论:

• 由人工智能驱动的系统为检测大米叶病提供了可靠和可扩展的解决方案,使得及时干预能够最大限度地减少作物损失.
• 这项技术通过增强大米生产,促进可持续农业实践和加强全球粮食安全来支持可持续发展目标2.
• 这项研究强调了人工智能在现代化农业,提高效率和建立弹性食品系统方面的变革潜力.