TSSC:一种新的深度学习模型,用于准确识别豆叶病
Laixiang Xu1, Yibu Chang1, Chenyang Li1
1School of Computer and Data Science, Henan University of Urban Construction, Pingdingshan, China.
Frontiers in plant science
|December 17, 2025
概括
这项研究引入了用于准确识别豆叶病的深度学习模型,达到99.61%的准确性. 智能系统有助于早期检测,提高作物产量和食品安全.
科学领域:
- 农业科学 农业科学
- 计算机科学 计算机科学
- 人工智能的人工智能
背景情况:
- 准确的植物疾病诊断对于作物产量和食品安全至关重要.
- 自动识别豆叶疾病是一个重大挑战.
研究的目的:
- 开发一种基于深度学习的智能识别方法,用于各种豆叶疾病.
- 解决植物叶病的自动识别问题.
主要方法:
- 提出了一个新的深度学习框架,TSSC.
- 整合了一个三邻道注意力机制,用于增强特征提取.
- 利用一个互补的挤压和激发机制和一个分开的注意力模块来改善关键特征提取和减少模型复杂性.
主要成果:
- TSSC模型实现了99.61%的卓越的整体分类准确性.
- 与其他领先的深度学习模型相比,拟议的模型表现出优越的性能.
结论:
- 开发的系统为复杂的植物疾病的图像识别提供了有效的解决方案.
- 这些发现对移动疾病检测设备的开发有着宝贵的意义.


