ViTKAB:一个高效的深度学习网络,用于识别棉花叶病
Laixiang Xu1, Hongyun Song1, Xiaodong Yang2
1School of Computer and Data Science, Henan University of Urban Construction, Pingdingshan, China.
Frontiers in plant science
|December 29, 2025
概括
一个新的AI模型,ViTKAB,准确地识别了四种主要的棉花叶病,准确率为98.05%. 这种基于视觉变压器的方法增强了作物疾病检测系统,用于潜在的边缘设备部署.
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:
- 棉花是全球重要的作物,但其产量和质量受到叶病的重大影响.
- 常见的棉花叶病包括棕色斑点,,轮点和,构成经济威胁.
研究的目的:
- 开发一个先进的AI模型,以准确有效地识别棉花叶病.
- 提高农业应用疾病检测系统的稳定性和推断速度.
主要方法:
- 提出了ViTKAB,这是一个新的棉花疾病识别模型,使用了增强的视觉变压器.
- 将Kolmogorov-Arnold网络和BiFormer模块集成到视觉转换器架构中.
- 优化了模型的非线性特征表示和稀疏的动态注意力,以提高准确性和速度.
主要成果:
- 在四种常见的棉花叶病中,ViTKAB实现了98.05%的平均识别精度.
- 该模型与CoAtNet-7,CLIP和PaLI等既有模型相比,表现出更高的性能.
- 增强的视觉转换器架构提高了推断速度,并有效地捕获了复杂的疾病特征.
结论:
- 维特卡布模型在智能作物疾病检测方面取得了重大进展.
- 该方法显示出在农业环境中的边缘设备上实际部署的巨大潜力.
- 这项研究为开发下一代人工智能驱动的农业监测系统提供了宝贵的见解.
