IoT-enabled deep learning for weed species classification using MapReduce and optimization algorithm

S. Sivakumar

doi:10.1016/j.compeleceng.2026.111484

IoT-enabled deep learning for weed species classification using MapReduce and optimization algorithm

2026-09-19

0

PRE

AI

DOI：10.1016/j.compeleceng.2026.111484

原文链接

原文求助

摘要

En 中文

杂草是不需要的植物，会损害作物生长并影响人类或养殖动物的健康。杂草分类是农业中一个持续存在的问题，原因包括杂草物种间的类间相似性以及相似杂草物种在不同生长阶段图像的类内差异性。因此，提出了一种新的Beluga Whale Ring Optimization（BWRO）-PyramidNet方法用于杂草分类。首先进行物联网（IoT）模拟，并通过BWRO完成相应的路由过程。然后，生成的杂草图像输入到MapReduce框架中，该框架包含mapper和reducer两个阶段。在mapper阶段，输入的杂草图像使用自适应双边滤波器进行预处理，随后进行特征提取。提取的特征被合并并送至reducer阶段，在该阶段使用PyramidNet进行杂草分类。其中，PyramidNet由BWRO训练，BWRO是Beluga Whale Optimization（BWO）和Mud Ring Algorithm（MRA）的集成。此外，通过总体分类准确率、真正例率（TPR）、真负例率（TNR）、F-measure、精确度、能量、距离和延迟等指标评估BWRO_PyramidNet的有效性，并分别获得了96.36%、95.63%、96.12%、95.75%、95.37%、0.941 J、0.409 m和0.335秒的优越值。

IoT-enabled deep learning for weed species classification using MapReduce and optimization algorithm

摘要

期刊

机构

引用论文