用添加式封闭卷积和层次注意力融合的作物叶病检测
Jing Liu1, Xiaoyong Liu2, Junjie Tao2
1Xi'an Key Laboratory of Human-Machine Integration and Control Technology for Intelligent Rehabilitation, School of Computer Science, Xijing University, Xi'an, 710123, China. 20180075@xijing.edu.cn.
Scientific reports
|November 25, 2025
概括
本研究介绍了AG-HAF,这是一种用于检测作物叶病的创新方法. 它增强了小病变的检测,并提高了复杂背景的准确性,提高了粮食安全.
科学领域:
- 农业科学 农业科学
- 计算机视觉 计算机视觉
- 植物病理学 植物病理学
背景情况:
- 准确检测作物叶病对粮食安全至关重要.
- 挑战包括小,模糊的病变和显著的背景干扰.
- 现有的基于YOLO的方法在详细的病变提取和背景噪音方面扎.
研究的目的:
- 开发一种先进的作物叶病检测方法.
- 为了改善小病变和复杂背景的处理.
- 提高自动疾病检测的整体准确性和实用性.
主要方法:
- 提出了AG-HAF (添加式门卷积单元 - 层次注意力融合模块) 方法.
- 引入了增材门式卷积单元 (AGCU),用于动态特征加权和降噪.
- 实现了分层注意力融合模块 (HACFM) 以优化多尺度特征融合.
主要成果:
- 在废除和比较实验中,AG-HAF在现有方法中表现出优越的性能.
- 该模型在检测复杂背景疾病和识别小病变方面表现出色.
- 关键指标显示显著改善,突出显示了该方法的有效性.
结论:
- AG-HAF提供了一种强大的解决方案,用于检测作物叶病.
- 拟议的模块有效地解决了小病变和背景干扰的挑战.
- 该方法显示了实际农业应用和加强粮食安全的巨大潜力.
更多相关视频
03:31Author Spotlight: Enhancement of Salient Object Detection for Smart Grid Applications
Published on: December 15, 2023
999
09:23Specific and Accurate Detection of the Citrus Greening Pathogen Candidatus liberibacter spp. Using Conventional PCR on Citrus Leaf Tissue Samples
Published on: June 29, 2018
8.2K
