SCA-MobiPlant:智能手机部署的多阶段注意力融合模型,用于准确地在现场检测叶卷曲综合体
Samrat Paul1, Venu Emmadi1, Mehulee Sarkar1
1Advanced Centre for Plant Virology, Division of Plant Pathology, ICAR-Indian Agricultural Research Institute, New Delhi, 110 012, India.
Plant methods
|October 27, 2025
概括
精确的叶曲线疾病诊断现在可以通过SCA-MobiPlant,一个区分病毒和虫原因的AI模型. 这种移动系统帮助农民进行精确的干预,减少农药使用和经济损失.
科学领域:
- 农业技术 农业技术
- 植物病理学 植物病理学
- 农业中的人工智能
背景情况:
- 复杂的症状难以区分病毒 (ChiLCV) 和虫感染.
- 错误诊断导致错误的农药应用,造成经济损失和环境问题.
- 有效的疾病管理需要准确的现场评估工具.
研究的目的:
- 开发一个人工智能模型,准确区分叶卷曲的复杂原因.
- 为实时现场诊断创建一个移动应用程序.
- 改善疾病管理策略,减少过度使用农药.
主要方法:
- 开发了SCA-MobiPlant,这是一个增强的MobileNetV3-Small模型,具有新的Squeeze-and-Excitation Coordinate Attention (SCA) 融合机制.
- 使用K=5交叉验证来评估模型性能.
- 使用梯度加权类激活映射 (Grad-CAM) 来实现模型的可解释性.
主要成果:
- SCA-MobiPlant实现了高精度 (99.64%),精度 (99.61%),回忆 (99.64%) 和F1得分 (99.62%).
- 该SCA融合模块的性能优于其他注意力机制,如CBAM和CA.
- 该模型展示了与最先进的架构相比,移动部署的计算效率.
结论:
- 与疾病发病率 (DI) 模块集成的SCA-MobiPlant使基于智能手机的快速,准确的现场诊断成为可能.
- 促进及时和适当的干预,最大限度地减少不必要的农药应用.
- 强调了轻量级,注意力增强的人工智能模型在资源有限的环境中用于农业诊断的价值.
