Reconocimiento de cordyceps basado en visión artificial y aprendizaje profundo
Autores: Xia, Zihao; Sun, Aimin; Hou, Hangdong; Song, Qingfeng; Yang, Hongli; Ma, Liyong; Dong, Fang
Idioma: Inglés
Editor: MDPI
Año: 2025
Acceso abierto
Artículo científico
2025
Reconocimiento de cordyceps basado en visión artificial y aprendizaje profundo
Categoría
Ciencias Agrícolas y Biológicas
Subcategoría
Ciencias Agrícolas y Biológicas Generales
Palabras clave
Entorno natural
Hongo de oruga
Red de pirámide de fusión de características
N-CSPDarknet53
Tasa de precisión
Reconocimiento de objetivos pequeños
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 33
Citaciones: Sin citaciones
En un entorno natural, debido al pequeño tamaño del hongo de la oruga, sus características indistintas, color similar a las malas hierbas y al fondo circundante, y las instancias superpuestas del hongo de la oruga, identificar el hongo de la oruga representa desafíos significativos. Para abordar estos problemas, este documento propone una nueva red MRAA, que consiste en una red piramidal de fusión de características (MRFPN) y la red troncal N-CSPDarknet53. MRFPN se utiliza para resolver el problema de las características débiles. En N-CSPDarknet53, se propone el módulo Da-Conv para abordar los problemas de interferencia de fondo y color en mapas de características superficiales. La red MRAA mejora significativamente la precisión, logrando una tasa de precisión del 0.202 para el reconocimiento de objetivos pequeños, lo que representa un aumento del 12% en comparación con la línea base de 0.180. Además, el tamaño del modelo es pequeño (9.88 M), lo que lo hace ligero. Es fácil de implementar en dispositivos integrados, lo que promueve en gran medida el desarrollo y la aplicación de la identificación del hongo de la oruga.
Descripción
En un entorno natural, debido al pequeño tamaño del hongo de la oruga, sus características indistintas, color similar a las malas hierbas y al fondo circundante, y las instancias superpuestas del hongo de la oruga, identificar el hongo de la oruga representa desafíos significativos. Para abordar estos problemas, este documento propone una nueva red MRAA, que consiste en una red piramidal de fusión de características (MRFPN) y la red troncal N-CSPDarknet53. MRFPN se utiliza para resolver el problema de las características débiles. En N-CSPDarknet53, se propone el módulo Da-Conv para abordar los problemas de interferencia de fondo y color en mapas de características superficiales. La red MRAA mejora significativamente la precisión, logrando una tasa de precisión del 0.202 para el reconocimiento de objetivos pequeños, lo que representa un aumento del 12% en comparación con la línea base de 0.180. Además, el tamaño del modelo es pequeño (9.88 M), lo que lo hace ligero. Es fácil de implementar en dispositivos integrados, lo que promueve en gran medida el desarrollo y la aplicación de la identificación del hongo de la oruga.