Yolo-ysts: un método mejorado basado en yolo-v10n para la detección de plagas en tiempo real en el campo
Autores: Huang, Yiqi; Liu, Zhenhao; Zhao, Hehua; Tang, Chao; Liu, Bo; Li, Zaiyuan; Wan, Fanghao; Qian, Wanqiang; Qiao, Xi
Idioma: Inglés
Editor: MDPI
Año: 2025
Acceso abierto
Artículo científico
2025
Yolo-ysts: un método mejorado basado en yolo-v10n para la detección de plagas en tiempo real en el campo
Categoría
Ciencias Agrícolas y Biológicas
Subcategoría
Agronomía y Ciencia de los Cultivos
Palabras clave
Trampas adhesivas amarillas
Método de control de plagas
Modelo YOLO-YSTs
Precisión en la detección de plagas
Plataformas de computación en el borde
Monitoreo de plagas
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 26
Citaciones: Sin citaciones
El uso de trampas pegajosas amarillas es un método verde de control de plagas que aprovecha la atracción de las plagas por el color amarillo. El uso de trampas pegajosas amarillas no solo controla las poblaciones de plagas, sino que también permite el monitoreo, ofreciendo una alternativa más económica y respetuosa con el medio ambiente a los pesticidas. Sin embargo, el tamaño pequeño y la distribución densa de las plagas en las trampas pegajosas amarillas conducen a una menor precisión de detección al usar modelos ligeros. Por otro lado, los modelos grandes sufren tiempos de entrenamiento más largos y dificultades de implementación, lo que plantea desafíos para la detección de plagas en el campo utilizando plataformas informáticas perimetrales. Para abordar estos problemas, este documento propone un método de detección ligero, YOLO-YSTs, basado en un modelo mejorado YOLOv10n. El método tiene como objetivo equilibrar la precisión de detección de plagas y el tamaño del modelo y ha sido validado en plataformas informáticas perimetrales. Este modelo incorpora módulos de convolución SPD-Conv, el mecanismo de atención de bloque residual invertido iRMB y la función de pérdida Inner-SIoU para mejorar la arquitectura de red YOLOv10n, abordando en última instancia los problemas de detecciones perdidas y falsas para objetivos pequeños y superpuestos mientras equilibra la velocidad y precisión del modelo. Los resultados experimentales muestran que el modelo YOLO-YSTs logró valores de precisión, recall, mAP y mAP del 83,2%, 83,2%, 86,8% y 41,3%, respectivamente, en el conjunto de datos de trampas pegajosas amarillas. La velocidad de detección alcanzó 139 FPS, con GFLOPs de solo 8,8. En comparación con el modelo YOLOv10n, el mAP mejoró un 1,7%. En comparación con otros modelos de detección de objetos principales, YOLO-YSTs también logró el mejor rendimiento general. A través de mejoras en el modelo YOLOv10n, la precisión de la detección de plagas en trampas pegajosas amarillas se mejoró de manera efectiva, y el modelo demostró un buen rendimiento de detección cuando se implementó en plataformas móviles perimetrales. En conclusión, el modelo propuesto YOLO-YSTs ofrece un rendimiento más equilibrado en la detección de imágenes de plagas en trampas pegajosas amarillas. Funciona bien cuando se despliega en plataformas móviles perimetrales, lo que lo convierte en de gran importancia para el monitoreo de plagas en el campo y la gestión integrada de plagas.
Descripción
El uso de trampas pegajosas amarillas es un método verde de control de plagas que aprovecha la atracción de las plagas por el color amarillo. El uso de trampas pegajosas amarillas no solo controla las poblaciones de plagas, sino que también permite el monitoreo, ofreciendo una alternativa más económica y respetuosa con el medio ambiente a los pesticidas. Sin embargo, el tamaño pequeño y la distribución densa de las plagas en las trampas pegajosas amarillas conducen a una menor precisión de detección al usar modelos ligeros. Por otro lado, los modelos grandes sufren tiempos de entrenamiento más largos y dificultades de implementación, lo que plantea desafíos para la detección de plagas en el campo utilizando plataformas informáticas perimetrales. Para abordar estos problemas, este documento propone un método de detección ligero, YOLO-YSTs, basado en un modelo mejorado YOLOv10n. El método tiene como objetivo equilibrar la precisión de detección de plagas y el tamaño del modelo y ha sido validado en plataformas informáticas perimetrales. Este modelo incorpora módulos de convolución SPD-Conv, el mecanismo de atención de bloque residual invertido iRMB y la función de pérdida Inner-SIoU para mejorar la arquitectura de red YOLOv10n, abordando en última instancia los problemas de detecciones perdidas y falsas para objetivos pequeños y superpuestos mientras equilibra la velocidad y precisión del modelo. Los resultados experimentales muestran que el modelo YOLO-YSTs logró valores de precisión, recall, mAP y mAP del 83,2%, 83,2%, 86,8% y 41,3%, respectivamente, en el conjunto de datos de trampas pegajosas amarillas. La velocidad de detección alcanzó 139 FPS, con GFLOPs de solo 8,8. En comparación con el modelo YOLOv10n, el mAP mejoró un 1,7%. En comparación con otros modelos de detección de objetos principales, YOLO-YSTs también logró el mejor rendimiento general. A través de mejoras en el modelo YOLOv10n, la precisión de la detección de plagas en trampas pegajosas amarillas se mejoró de manera efectiva, y el modelo demostró un buen rendimiento de detección cuando se implementó en plataformas móviles perimetrales. En conclusión, el modelo propuesto YOLO-YSTs ofrece un rendimiento más equilibrado en la detección de imágenes de plagas en trampas pegajosas amarillas. Funciona bien cuando se despliega en plataformas móviles perimetrales, lo que lo convierte en de gran importancia para el monitoreo de plagas en el campo y la gestión integrada de plagas.