MSP-Net:一个有效的多级特征感知检测网络,用于检测番茄叶病
Feng Kang1,2,3, Lijin Wang1,3,4, Huicheng Li1,3
1College of Computer and Information Sciences, Fujian Agriculture and Forestry University, Fuzhou 350002, China.
Plants (Basel, Switzerland)
|March 14, 2026
概括
这项研究介绍了MSP-Net用于准确的自动番茄叶病检测,改善精准农业. 轻量级的L-MSP-Net变体针对边缘设备进行了优化,提高了现实应用中的效率.
科学领域:
- 农业科学 农业科学
- 计算机视觉 计算机视觉
- 机器学习 机器学习
背景情况:
- 精准农业需要强大的自动化系统来检测作物疾病.
- 挑战包括可变的损伤外观,环境噪音和现场部署的计算限制.
研究的目的:
- 开发一个先进的自动番茄叶病检测框架.
- 在复杂的现场条件下解决现有方法的局限性.
- 为边缘计算创建一个高效,可部署的模型.
主要方法:
- 拟议的MSP-Net框架包括多尺度感知卷积模块 (MSPCM),SIMAM增强的C3k2层和多尺度功能增强模块 (MSFEM).
- 开发了轻量级的L-MSP-Net,使用架构迁移和结构化修剪来提高边缘效率.
- 根据番茄村数据集和PASCAL VOC和MS COCO的交叉数据集实验进行评估.
主要成果:
- MSP-Net实现了92.0%的mAP@0.5,超过YOLOv11的2.0%的表现.
- L-MSP-Net实现了86.1%的mAP@0.5,比YOLOv11n提高了3.6%,同时降低了参数10.5%.
- 在RK3588边缘平台上成功部署L-MSP-Net.
结论:
- 拟议的MSP-Net框架显著提高了番茄叶病检测的准确性.
- 轻量级的L-MSP-Net为精密农业提供了高效的边缘部署.
- 建筑上的改进证明了其可转移到一般物体检测任务中.
