新版首页
系部动态
喜报|人工智能学院吴宪传以第一作者身份在《Scientific Reports》期刊揭晓论文
在现代农业生产中，病虫害的早期检测关于包管作物康健和提高产量至关主要�！！�。克日，我�：樯苡赂苯淌谙虻嫉难芯客哦釉凇禨cientific Reports》期刊上揭晓了一项突破性研究效果，论文的第一作者为吴宪传先生�！！�。该论文题为“Image segmentation for pest detection of crop leaves by improvement of regional convolutional neural network”，该期刊属于SCIE检索期刊，是JCR Q1分区，中科院二区�！！�。
本文针对现有病虫害检测手艺的局限性，如效率低下、、、存储需求高和准确度有限，提出了一种基于深度学习的图像支解手艺�！！�。研究团队设计了一种连系径向双对称发散（RBD）要领的区域卷积神经网络（R-CNN）架构，通过条理掩模（HM）手艺增强了图像支解的效率，并引入了基于阈值的条理掩模（TbHM）来调解容错机制，从而提高了模子的鲁棒性�！！�。
本文的主要孝顺包括：
立异的R-CNN架构：研究设计了一种连系径向双对称发散（RBD）要领的区域卷积神经网络（R-CNN）架构，通过条理掩模（HM）手艺提高了图像支解的效率和准确性�！！�。
容错机制的引入：为了处理过失标记的数据，研究引入了基于阈值的条理掩模（TbHM），增强了模子的鲁棒性，并通过调解容错机制提高了病虫害检测的准确性�！！�。
模子性能的显著提升：通过建设HM-R-CNN和TbHM-R-CNN模型，研究实现了高达96.2%的分类准确率、、、97.5%的召回率和0.982的F1分数，显著优于现有手艺�！！�。
农业病虫害检测的现实应用：该研究提供了一种快速、、、高效的农作物病虫害检测要领，对农业信息手艺领域和现实的病虫害治理具有主要的现实应用价值�！！�。
这项研究在提高农作物病虫害检测的效率和准确性方面取得了显著希望，并为未来的农业信息手艺研究和应用提供了新的偏向�！！�。本论文为2023年广东省通俗高校重点领域专项课题《基于近红外光谱连系机械学习的农产品品质检测要领研究（2023ZDZX4069）》研究效果�！！�。
（图文/人工智能学院 责任编辑/党晋云）
上一条：数字经贸学院经济统计系深入广东金融学院开展人才作育方案调研
下一条：喜报|人工智能学院陈兴旺先生以第一作者身份在《Biomimetics》期刊揭晓论文