logo móvil
Contáctanos

CBSNet: Un método efectivo para la clasificación de enfermedades de las hojas de papa

Autores: Chen, Yongdong; Liu, Wenfu

Idioma: Inglés

Editor: MDPI

Año: 2025

Descargar PDF

Acceso abierto

Artículo científico
2025

CBSNet: Un método efectivo para la clasificación de enfermedades de las hojas de papa


Categoría

Ciencias Agrícolas y Biológicas

Subcategoría

Botánica

Palabras clave

Detección de enfermedades
Clasificación
Método basado en CBSNet
Módulo de convolución
Mecanismo de atención

Licencia

CC BY-SA – Atribución – Compartir Igual

Consultas: 9

Citaciones: Sin citaciones


Descripción
Dado que la papa es un cultivo importante, la detección y clasificación de enfermedades de la papa son de clave importancia para garantizar la seguridad alimentaria y mejorar la eficiencia de la producción agrícola. Con el objetivo de abordar los problemas de manchas pequeñas, bordes de enfermedades borrosos y susceptibilidad a la interferencia del ruido durante la adquisición y transmisión de imágenes en enfermedades de las hojas de papa, proponemos un método de reconocimiento de enfermedades de la papa basado en CBSNet. En primer lugar, se diseña un módulo de convolución llamado Convolución Multi-escala de Reconstrucción de Canal (CRMC) para extraer las características superiores e inferiores separando las características del canal y aplicando una convolución más optimizada a las características superiores e inferiores, seguido de una operación de convolución multi-escala para capturar los cambios clave de manera más efectiva. En segundo lugar, se desarrolla un nuevo mecanismo de atención, Atención Triple Espacial (STA), que primero reconstruye las dimensiones espaciales de los mapas de características de entrada, luego introduce los tres tipos de características reconstruidas en cada una de las tres ramas y lleva a cabo un procesamiento dirigido según la importancia de las características, mejorando así el rendimiento del modelo. Además, se introduce el Algoritmo Bat-Lion (BLA), que combina el algoritmo Lion y el algoritmo de optimización de murciélagos y hace que el proceso de optimización sea más adaptativo utilizando el algoritmo de murciélagos para ajustar la dirección del gradiente durante el proceso de actualización del algoritmo Lion. El BLA no solo mejora la capacidad del modelo para reconocer características de enfermedades de la papa, sino que también garantiza la estabilidad del entrenamiento y mejora la robustez del modelo para manejar imágenes ruidosas. Los resultados experimentales mostraron que CBSNet logró una precisión promedio del 92.04% y una precisión del 91.58% en el conjunto de datos autoconstruido. Extrae de manera efectiva manchas sutiles y bordes borrosos de las enfermedades de las hojas de papa, proporcionando un fuerte apoyo técnico para la prevención y control de enfermedades en la agricultura a gran escala de papa.

Otros recursos que podrían interesarte

Temas Virtualpro