信息所科研人员提出植物病害分类的细粒度可解释模型
文章来源:科学数据研究室 作者:樊景超 发布时间:2023-12-12
点击量:
【字体:大 中 小】
近日,中国农业科学院农业信息研究所樊景超团队提出了植物病害分类研究领域对多级深度信息特征融合提取深度网络进行关键特征的细粒度可解释性分析DFN-PSAN模型,通过两种模式的互补信息,旨在提高害虫识别的准确性和适用性。相关研究成果发表于《Computers and Electronics in Agriculture》上。
农作物病害的精准识别是推动农业生产智能化与现代化发展的有效途径,同时也是减少农药使用量,提高作物产量与质量的重要举措。深度学习方法对输入植物病害图像进行分类取得了较好的表现,但由于许多单一场景构建的数据集在真实农业场景中测试表现欠佳,因而在农业4.0的新需求模式下,推动数字农业技术走向真实农田环境面临了更多的挑战。该模型对促进智能农业中进行植物叶病预测具有显著的潜在优势,对边缘农业设备的计算速度、治理成本与识别准确率等多项因素进行深入分析,识别病害数据分析与SOTA模型设计模块的关键因素,对未来病害识别模型的设计具有重要的启示作用。
该研究得到国家农业科学数据中心(NASDC2023XM00)项目资助。
原文链接:https://www.sciencedirect.com/science/article/abs/pii/S0168169923008694?via%3Dihub1