IRMKD:一种实例关系矩阵在植物疾病识别中的应用
Jinqing Huang1, Jian Su2, Tengfei Cheng1
1School of Computer and Electronic Information, Guangxi University, Nanning, China.
Frontiers in bioinformatics
|February 16, 2026
概括
本研究介绍了基于实例关系矩阵的知识蒸 (IRMKD),以改善在资源有限的设备上识别植物疾病. 在保持高精度的同时,IRMKD显著减少了模型大小和识别时间.
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:
- 植物疾病的识别对作物产量至关重要.
- 卷积神经网络 (CNN) 在植物疾病识别方面表现出色,但计算密集.
- 对于CNN的高资源要求限制了它们在边缘设备上的部署.
研究的目的:
- 为具有有限计算资源的设备开发一种高效的植物疾病识别方法.
- 减少现有的植物疾病识别系统的模型参数和识别时间.
- 为了在低功耗设备上实现精确的植物疾病检测.
主要方法:
- 引入基于实例关系矩阵的知识蒸 (IRMKD).
- 使用实例相关性和实例间特征关系,在数据实例之间转移了相互关系.
- 采用多个损失函数来实现有效的知识蒸.
主要成果:
- 拟议的IRMKD方法在传统神经网络中显著减少了92%的内存使用量和识别时间.
- 识别准确度保持在93%以上.
- 通过IRMKD培训的学生模型的表现有所改善.
结论:
- IRMKD有效地降低了模型体积,并提高了识别速度.
- 该方法为在内存和计算能力有限的设备上识别植物疾病提供了可行的解决方案.
- 为农业中有效识别植物疾病提供了一种新方法.
