.png){kind=icon}
返回
AI-Enabled Crop Management Framework for Pest Detection Using Visual Sensor Data
.png){kind=icon}
OA
AI
DOI：10.3390/plants13050653.png)
.png){kind=icon}
.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
我们的研究重点是利用无人机技术通过无人机 (UAV) 改善作物监测，并加强农业害虫的检测和分类，从而解决农业作物病虫害的挑战。传统方法通常需要费力的手动特征提取或计算要求高的深度学习 (DL) 技术。为了解决这个问题，我们引入了专门为基于无人机的应用量身定制的优化模型。我们对YOLOv5s模型的修改，包括高级注意力模块，扩展的跨阶段部分网络 (CSP) 模块以及完善的多尺度特征提取机制，可以实现精确的害虫检测和分类。受无人机的效率和多功能性的启发，我们的研究致力于在可持续农业中彻底改变害虫管理，同时检测和预防作物疾病。我们对中等规模的数据集进行了严格的测试，确定了五种农业害虫，即蚂蚁，蚱hopper，棕榈象，盾虫和黄蜂。我们的综合实验分析展示了优越的性能相比，各种YOLOv5模型版本。所提出的模型获得了更高的性能，平均精度为96.0%，平均召回率为93.0%，平均平均精度 (mAP) 为95.0%。此外，无人机的固有功能，结合此处测试的YOLOv5s模型，可以为实时害虫检测提供可靠的解决方案，展示在以无人机为中心的生态系统中优化和改善农业生产的巨大潜力。
Keyword:
convolution neural network
deep learning
sustainable agriculture
UAV technology
computer vision
monitoring system
AI总结
对已上传原文的论文进行重点信息的提取，主要内容包括：简要概述、研究摘要、背景介绍、关键亮点、图文解析、展望与总结。
期刊
IF:
4.1
论文数:
2.2W
被引数:
6.4W
机构
引用论文
Homo Sustentabilis: circular economy and new business models in fashion industryHomo Sustentabilis: 循环经济和时尚产业的新商业模式OAAI
OAAI分享收藏YOLO-JD: A Deep Learning Network for Jute Diseases and Pests Detection from ImagesYolo-jd: 用于从图像中检测黄麻病虫害的深度学习网络.png)
PLANTS-BASELOAAI
PLANTS-BASELIF4.1
OAAI分享收藏Presence and distribution of Macrolides-Lincosamide-Streptogramin resistance genes and potential indicator ARGs in the university ponds in Guangzhou, China中国广州大学池塘中大环内酯类-林可酰胺-链霉菌素抗性基因和潜在指标ARGs的存在和分布
PREAI
分享收藏A new mobile application of agricultural pests recognition using deep learning in cloud computing system云计算系统中基于深度学习的新型农业害虫识别移动应用OAAI
OAAI分享收藏
Crop disease identification and interpretation method based on multimodal deep learning基于多模态深度学习的作物病害识别与判读方法
PREAI
分享收藏MULTIPLE KIDNEY ARTERY ANEURYSMS/PSEUDOANEURYSMS LEADING TO LIFE THREATENING HEMATOMA AFTER A MASSAGE GUN USE使用按摩枪后导致危及生命的血肿的多发性肾动脉瘤/假性动脉瘤
PREAI
分享收藏
查看更多内容