ApaltAI:一个基于网络的诊断系统,具有连续投票架构,用于检测梨果中的炭菌和
Mikjael Moreano1, Angel Sosa1, David Mauricio2
1Faculty of Engineering, Universidad Peruana de Ciencias Aplicadas (UPC), Lima, Peru.
Frontiers in plant science
|March 12, 2026
概括
这项研究介绍了一种自动化系统,用于识别使用新型深度学习架构 (VotingBS) 的梨疾病,如炭病和. 该系统实现了高精度,帮助农民在精准农业.
科学领域:
- 农业科学 农业科学
- 计算机科学 计算机科学
- 植物病理学 植物病理学
背景情况:
- 梨的生产面临着巨大的经济损失 (20-30%) 由于疾病,如炭病和.
- 准确及时识别疾病对于保持水果质量和产量至关重要.
研究的目的:
- 开发一种自动化系统,用于识别两种主要的梨疾病:炭病和病.
- 将二进制序列投票架构 (VotingBS) 与用于实际疾病诊断的网络应用程序集成.
主要方法:
- 实施一种分层的两阶段深度学习组合 (VotingBS) 用于疾病分类.
- 培训和验证使用674个标记梨水果图像的数据集.
- 开发一个带有作物管理和疾病诊断模块的网络应用程序.
主要成果:
- 投票BS系统实现了高性能指标:98.92%的精度,98.89%的回忆率和99.03%的准确性.
- 开发的系统显著超过了传统的疾病识别方法.
- 集成的网络应用程序增强了农民和农业机构的实际实用性.
结论:
- 混合深度学习模型与数字平台相结合,为植物疾病诊断提供了一种革命性的方法.
- 该系统促进高效,自动化和弹性精准农业实践.
- 这项技术可以显著减少梨生产中的经济损失.
更多相关视频
11:30Automating Citrus Budwood Processing for Downstream Pathogen Detection Through Instrument Engineering
Published on: April 21, 2023
1.3K
09:31Author Spotlight: High-Throughput In Vivo Leaf Inoculation for Accelerating Disease Resistance Screening in Poplar Hybrid Breeding
Published on: September 20, 2024
1.3K
