相关实验视频
Updated: Jan 13, 2026
05:16
Flying Insect Detection and Classification with Inexpensive Sensors
Published on: October 15, 2014
25.7K
一个高效的特征金字塔网络与适应式LSTM用于物联网中的害虫检测和分类
Rajasekaran Arunachalam1, Mohana Jaishankar2, Amit Arora3
1Department of Electronics and Communication Engineering, Saveetha School of Engineering, Saveetha Institute of Medical and Technical Sciences, Thandalam, Chennai, Tamil Nadu, 602105, India.
Scientific reports
|January 6, 2026
概括
这项研究引入了一种自动化的物联网 (IoT) 系统,用于精确地检测和分类农作物害虫. 新方法显著提高了准确性,这对于保护作物和环境至关重要.
科学领域:
- 农业科学 农业科学
- 计算机科学 计算机科学
- 环境科学 环境科学
背景情况:
- 农作物害虫对全球造成重大经济损失和环境破坏.
- 手动识别害虫是耗时的,需要专业知识,并可能导致滥用农药.
- 需要自动化解决方案来准确检测和分类害虫,以提高作物产量和生态系统健康.
研究的目的:
- 开发和实施基于物联网 (IoT) 的技术,用于自动检测和分类农作物害虫.
- 与传统的手动方法相比,提高害虫识别的精度和效率.
- 为应对农作物害虫造成的经济损失和环境破坏所带来的挑战.
主要方法:
- 从标准数据库中收集害虫图像,包括基于物联网传感器的图像.
- 采用了一种新的特征金字塔网络,以多重注意力融合视觉变压器为基础的自适应长期短期记忆 (FPN-MAFViT-ALSTM) 框架进行联合虫害检测和分类.
- 优化了FPN-MAFViT-ALSTM参数,使用随机探索 (EIGBO-RE) 进行增强和智能子巴纳克尔优化,以提高性能.
主要成果:
- FPN-MAFViT-ALSTM框架成功地从基于物联网传感器的图像中检测和分类了作物害虫.
- 使用EIGBO-RE进行参数优化,提高了害虫检测和分类过程的准确性和效率.
- 实验验证证明了该系统在不同条件下的有效性.
结论:
- 拟议的基于物联网的害虫检测和分类技术提供了精确和自动化的解决方案.
- 这种方法可以减轻与作物害虫相关的经济损失和环境损害.
- 优化了EIGBO-RE的FPN-MAFViT-ALSTM框架显示了农业应用的巨大潜力.
