树引导变压器用于基于传感器的生态图像特征提取和农业系统中的多目标识别
Yiqiang Sun1,2, Zigang Huang1,2, Linfeng Yang1
1China Agricultural University, Beijing 100083, China.
Sensors (Basel, Switzerland)
|October 16, 2025
概括
这项研究引入了一个新的AI框架,用于在农田图像中识别害虫和捕食者. 该系统利用生态知识来提高识别物种及其相互作用的准确性,以便更好地监测农业.
科学领域:
- 计算机视觉 计算机视觉
- 生态建模 生态建模
- 人工智能的人工智能
背景情况:
- 农田生态系统表现出复杂的害虫捕食者相互作用,挑战当前的图像识别和生态建模.
- 在农业环境中,传感器驱动的计算机视觉任务需要强大的多目标识别方法.
研究的目的:
- 开发一个先进的AI框架,用于准确识别害虫和掠食者,并在农田中进行生态分析.
- 用生态知识和层次分类来增强基于图像的多目标识别.
主要方法:
- 开发了一个以树为导向的变压器框架,具有知识增强的共同注意力机制.
- 一个层次化的生态分类学和一个生态知识图被整合为语义推理.
- 为了评估,创建了60个害虫和捕食者类别的多式联络数据集.
主要成果:
- 该框架在图像分类方面实现了高精度 (90.4%),回忆 (86.7%) 和F1得分 (88.5%).
- 检测任务显示了91.6%的精度和86.3%的mAP@50,同时发生的准确率为80.5%.
- 层次推理和知识增强任务的F1分数分别为88.5%和89.7%.
结论:
- 拟议的框架有效地在现实世界的传感器条件下提取结构化,语义上对齐的图像特征.
- 这种可解释和通用化的方法促进了智能农业监测和生态理解.
