基于多头注意力的深度学习框架,用于从高分辨率遥感图像中对象细分
Rohan Vaghela1, N Sravya2, Shyam Lal2
1Department of Computer Science & Engineering, Chandubhai S. Patel Institute of Technology, Charotar University of Science & Technology, Anand, 388421, Gujarat, India.
Scientific reports
|October 30, 2025
概括
本研究介绍了用于自动收获水果的多重注意力果网络 (MAWNet). MAWNet 在具有挑战性的果园条件下改善了果细分,实现了高精度.
科学领域:
- 农业工程 农业工程
- 计算机视觉 计算机视觉
- 机器学习 机器学习
背景情况:
- 果收获是劳动密集型的,推动了对自动化的需求.
- 精确的水果细分对于自动收获至关重要,但在复杂的果园环境中具有挑战性.
- 现有的方法在阻塞,重叠的水果和可变的照明方面扎.
研究的目的:
- 开发一种先进的深度学习模型,用于强大的果细分.
- 解决现实世界收获场景中当前方法的局限性.
主要方法:
- 开发了一个全新的卷积神经网络,MAWNet.
- MAWNet采用基于UNet的架构,包括增强的剩余块,变压器块,Atrous空间金字塔聚合 (ASPP) 和多重扩展卷积 (MDC) 块.
- 该模型旨在处理遮,水果重叠和照明变化.
主要成果:
- MAWNet实现了高性能指标:99.63%的准确性,96.77%的交叉点在联盟 (IoU) 上,98.34%的子系数.
- 实验结果证明了MAWNet在几个最先进的架构 (SOTA) 上的优势.
结论:
- 拟议的MAWNet有效地在复杂的果园条件下对果实进行细分.
- MAWNet为自动选果系统提供了显著的进步,提高了效率和准确性.
