Método automático de reconocimiento de escarabajos de cultivos de papas basado en bloques de convolución asimétricos a escala múltiple
Autores: Cao, Jingjun; Xian, Xiaoqing; Qiu, Minghui; Li, Xin; Wei, Yajie; Liu, Wanxue; Zhang, Guifen; Jiang, Lihua
Idioma: Inglés
Editor: MDPI
Año: 2025
Acceso abierto
Artículo científico
2025
Método automático de reconocimiento de escarabajos de cultivos de papas basado en bloques de convolución asimétricos a escala múltiple
Categoría
Ciencias Agrícolas y Biológicas
Subcategoría
Agronomía y Ciencia de los Cultivos
Palabras clave
Especies de escarabajos
Escarabajo de la patata de Colorado
Mariquitas
MSAC-ResNet
Control de plagas
Estrategias de monitoreo
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 32
Citaciones: Sin citaciones
Cinco especies de escarabajos pueden ocurrir simultáneamente en campos de papas, incluyendo una plaga de cuarentena (el escarabajo de la patata de Colorado (CPB)), una plaga fitófaga (el escarabajo mariquita de la patata de 28 manchas) y tres mariquitas depredadoras (la mariquita de 7 manchas, el escarabajo tortuga y la mariquita arlequín). La detección oportuna y la identificación precisa de CPB y otros escarabajos fitófagos o depredadores son críticas para la implementación efectiva de estrategias de monitoreo y control. Sin embargo, la identificación morfológica requiere experiencia especializada, es demorada y es particularmente desafiante debido al color oscuro del cuerpo de estos escarabajos en las etapas larvales jóvenes. Este estudio proporciona una solución efectiva para distinguir entre escarabajos fitófagos y/o de cuarentena y los depredadores. Esta solución se presenta en forma de una nueva arquitectura de red neuronal convolucional, conocida como MSAC-ResNet. Específicamente, comprende varios bloques de convolución asimétricos a escala múltiple, diseñados para extraer características en múltiples escalas, principalmente integrando núcleos de convolución asimétricos de diferentes tamaños en paralelo. Evaluamos el MSAC-ResNet a través de un entrenamiento y prueba de modelo exhaustivos en un conjunto de datos de imágenes de escarabajos de 11,325 imágenes en 20 categorías de escarabajos. El modelo de reconocimiento propuesto logró tasas de precisión y recuperación de 99.11%, 99.18% y 99.11%, respectivamente, superando a otros cinco modelos existentes, a saber, AlexNet, MobileNet-v3, EfficientNet-b0, DenseNet y ResNet-101. Notablemente, el mini-programa de investigación de campo desarrollado puede identificar todas las etapas de desarrollo de estas cinco especies de escarabajos, desde larvas jóvenes hasta adultos, y proporcionar sugerencias de manejo (o protección) oportunas a los agricultores. Nuestros hallazgos podrían ser significativos para futuras investigaciones relacionadas con el control preciso de plagas y la conservación de enemigos naturales.
Descripción
Cinco especies de escarabajos pueden ocurrir simultáneamente en campos de papas, incluyendo una plaga de cuarentena (el escarabajo de la patata de Colorado (CPB)), una plaga fitófaga (el escarabajo mariquita de la patata de 28 manchas) y tres mariquitas depredadoras (la mariquita de 7 manchas, el escarabajo tortuga y la mariquita arlequín). La detección oportuna y la identificación precisa de CPB y otros escarabajos fitófagos o depredadores son críticas para la implementación efectiva de estrategias de monitoreo y control. Sin embargo, la identificación morfológica requiere experiencia especializada, es demorada y es particularmente desafiante debido al color oscuro del cuerpo de estos escarabajos en las etapas larvales jóvenes. Este estudio proporciona una solución efectiva para distinguir entre escarabajos fitófagos y/o de cuarentena y los depredadores. Esta solución se presenta en forma de una nueva arquitectura de red neuronal convolucional, conocida como MSAC-ResNet. Específicamente, comprende varios bloques de convolución asimétricos a escala múltiple, diseñados para extraer características en múltiples escalas, principalmente integrando núcleos de convolución asimétricos de diferentes tamaños en paralelo. Evaluamos el MSAC-ResNet a través de un entrenamiento y prueba de modelo exhaustivos en un conjunto de datos de imágenes de escarabajos de 11,325 imágenes en 20 categorías de escarabajos. El modelo de reconocimiento propuesto logró tasas de precisión y recuperación de 99.11%, 99.18% y 99.11%, respectivamente, superando a otros cinco modelos existentes, a saber, AlexNet, MobileNet-v3, EfficientNet-b0, DenseNet y ResNet-101. Notablemente, el mini-programa de investigación de campo desarrollado puede identificar todas las etapas de desarrollo de estas cinco especies de escarabajos, desde larvas jóvenes hasta adultos, y proporcionar sugerencias de manejo (o protección) oportunas a los agricultores. Nuestros hallazgos podrían ser significativos para futuras investigaciones relacionadas con el control preciso de plagas y la conservación de enemigos naturales.