【目的】为减轻基层植保人员工作量,实现蚜虫准确和实时监控,建立了一种新型蚜虫识别方法。【方法】基于优化后的Transformer模型和稀疏注意力机制,开发了一种新的蚜虫识别和计数方法,特别适用于边缘计算环境。针对4种常见蚜虫——桃蚜M...【目的】为减轻基层植保人员工作量,实现蚜虫准确和实时监控,建立了一种新型蚜虫识别方法。【方法】基于优化后的Transformer模型和稀疏注意力机制,开发了一种新的蚜虫识别和计数方法,特别适用于边缘计算环境。针对4种常见蚜虫——桃蚜Myzus persicae、棉蚜Aphis gossypii、豌豆蚜Acyrthosiphon pisum和禾谷缢管蚜Rhopalosiphum padi,利用相机HDV-56003与手机镜头构建数据采集系统;利用微信小程序展示蚜虫检测与计数结果;利用消融实验验证系统的可行性。【结果】本方法在准确率(accuracy)、平均精度均值(mean average precision,mAP)和每秒帧数(frames per second,FPS)等关键性能指标上均达到了优异的水平。具体而言,准确率达到了98%,mAP达到了95%,而FPS达到了52.3,这些指标均优于传统方法和其他基线模型。此外,本实验还开发了相应的移动应用程序,使农业从业者能够在田间环境中直接借助智能手机完成蚜虫的实时识别和计数,极大地提升了操作的便捷性和效率。【结论】基于Transformer的移动计算场景下的高精度蚜虫识别与计数方法实现了实时蚜虫识别和计数。本研究不仅为蚜虫精准识别提供了新型技术解决方案,也为其他农业害虫的智能化识别与监测提供了重要参考,有助于推动精准农业和智慧农业的发展。展开更多
文摘【目的】为减轻基层植保人员工作量,实现蚜虫准确和实时监控,建立了一种新型蚜虫识别方法。【方法】基于优化后的Transformer模型和稀疏注意力机制,开发了一种新的蚜虫识别和计数方法,特别适用于边缘计算环境。针对4种常见蚜虫——桃蚜Myzus persicae、棉蚜Aphis gossypii、豌豆蚜Acyrthosiphon pisum和禾谷缢管蚜Rhopalosiphum padi,利用相机HDV-56003与手机镜头构建数据采集系统;利用微信小程序展示蚜虫检测与计数结果;利用消融实验验证系统的可行性。【结果】本方法在准确率(accuracy)、平均精度均值(mean average precision,mAP)和每秒帧数(frames per second,FPS)等关键性能指标上均达到了优异的水平。具体而言,准确率达到了98%,mAP达到了95%,而FPS达到了52.3,这些指标均优于传统方法和其他基线模型。此外,本实验还开发了相应的移动应用程序,使农业从业者能够在田间环境中直接借助智能手机完成蚜虫的实时识别和计数,极大地提升了操作的便捷性和效率。【结论】基于Transformer的移动计算场景下的高精度蚜虫识别与计数方法实现了实时蚜虫识别和计数。本研究不仅为蚜虫精准识别提供了新型技术解决方案,也为其他农业害虫的智能化识别与监测提供了重要参考,有助于推动精准农业和智慧农业的发展。
