LW-PWDNet:一种轻量级的,跨地形的适应性框架,用于早期检测松病
1College of Electronic Engineering, Nanjing XiaoZhuang University, Nanjing, China.
Frontiers in plant science
|November 17, 2025
概括
一种新的轻量级模型,LW-PWDNet,能够高精度地有效检测松病 (PWD). 这种人工智能解决方案非常适合实时,资源有限的应用程序,如无人机检查,帮助森林保护工作.
科学领域:
- 林业科学 林业科学
- 计算机视觉 计算机视觉
- 人工智能的人工智能
背景情况:
- 松病 (PWD) 是对森林生态系统的重大威胁.
- 早期发现PWD对于疾病管理和森林资源保护至关重要.
研究的目的:
- 为实时PWD检测开发一种轻量级和高效的模型.
- 为了满足PWD监控边缘设备的计算需求.
主要方法:
- 提出LW-PWDNet,一个轻量级的卷积神经网络.
- 使用重建的HGNetV2骨干,以实现高效的特征提取.
- 整合了一个功能融合层与RepBlock,多尺度的注意力,以及一个D-Sample下采样模块.
- 设计了一个轻量级的LightShiftHead预测层,以增强小目标检测.
主要成果:
- LW-PWDNet的平均平均精度 (mAP) 达到了89.7%.
- 该模型具有较低的计算复杂性 (5.6 GFLOPs) 和小的参数数量 (1.9M).
- 在指定的硬件上实现了166 FPS的高推理速度.
结论:
- LW-PWDNet为PWD检测提供了一种高效和轻量级的解决方案.
- 该模型适用于资源有限的环境,包括基于无人机的检查.
- 能够及时检测和预防PWD在森林生态系统中的传播.
更多相关视频
15:30A Telemetric, Gravimetric Platform for Real-Time Physiological Phenotyping of Plant–Environment Interactions
Published on: August 5, 2020
12.4K
06:09An Easy and Flexible Inoculation Method for Accurately Assessing Powdery Mildew-Infection Phenotypes of Arabidopsis and Other Plants
Published on: March 9, 2021
3.4K
