Исследователи разработали новаторский подход к точному и эффективному подсчету колосков кукурузы, важному этапу для оценки урожайности и управления культурой. Традиционно подсчет колосков выполнялся вручную или с использованием основных методов изображений и машинного обучения, что требует много времени и подвержено ошибкам из-за влияния окружающей среды.
Для преодоления этих ограничений в статье, опубликованной Plant Phenomics, представлен новый метод, называемый Multiscale Lite Attention Enhancement Network (MLAENet). Данный подход использует глубокие сверточные нейронные сети (CNN) и методы оценки плотности карты для повышения точности и эффективности.
MLAENet включает в себя многоколоночный модуль легкого извлечения характеристик для создания масштабно-зависимых карт плотности, что позволяет улучшить визуализацию пространственного распределения. Метод также интегрирует стратегию внимания, чтобы отличать колоски кукурузы от сложных фонов. Кроме того, инновационный модуль увеличения разрешения UP-Block повышает качество карт плотности.
Эффективность MLAENet была подтверждена на двух общедоступных наборах данных, что показало высокую точность подсчета и скорость вывода по сравнению с существующими методами. Модель успешно разделяла колоски кукурузы от других растений, даже в условиях больших расстояний или значительных заслонений.
Особенно стоит отметить, что MLAENet достигает впечатляющей скорости 32.90 кадров в секунду (FPS) на изображениях стандартного разрешения при высокой точности. Это делает его подходящим для реального времени в управлении культурой.
Экспериментальное исследование включало сложное программное и аппаратное обеспечение, включая PyTorch, CUDA и NVIDIA GeForce RTX 3090Ti. Для генерации карт плотности использовалось гауссово сглаживание с параметрами адаптивного распространения в зависимости от расстояний между колосками кукурузы.
В заключение, MLAENet представляет собой значительный прорыв в подсчете колосков кукурузы, предоставляя карты плотности высокого качества и надежную производительность. Будущие разработки могут сосредоточиться на внедрении более продвинутых методов извлечения характеристик для дальнейшего повышения эффективности сети. Это исследование имеет большой потенциал для улучшения управления культурами и увеличения урожайности кукурузы.
The source of the article is from the blog lisboatv.pt