Графическое представление предлагаемой системы мониторинга растений томатов с использованием искусственного интеллекта. Источник: Компьютеры и электроника в сельском хозяйстве (2024). DOI: 10.1016/j.compag.2024.109201
Мониторинг растений томата на растениеводческих предприятиях в режиме реального времени необходим для выявления и классификации болезней на ранних стадиях и предотвращения возможных вспышек. Предлагаемая сеть DeepD381v4plus демонстрирует более высокую классовую точность, чувствительность, специфичность, прецизионность, показатель F1 и коэффициент корреляции Мэтьюса, превышающий 0,96 для многосортовых заболеваний листьев томата. На репродуктивной стадии для подтверждения опыления также необходимо контролировать формирование бутонов, внешний вид цветков, следы укусов и завязывание плодов.
Детектор DeepDet381v4—YOLOv4M достигает самой высокой средней средней точности (mAP) (0,90) и самый низкий mAP (0,68) в классе TFl_Blooming и самый низкий mAP (0,68) в классе TFl_Transforming.
Однако в реальных симуляциях DeepDet381v4—YOLOv4M может обнаруживать и подсчитывать спелые томаты на расстоянии 40 см практически без ошибок. Обе сети, используемые для задач классификации и обнаружения-подсчета, имеют небольшой размер с высокой эффективностью классификации и обнаружения (>27 кадров в секунду).
В целом, предлагаемый экспериментальный подход поможет фермерам предотвращать вспышки заболеваний, отслеживать формы цветов, которые могут завязывать плоды с максимальной скоростью, обнаруживать и подсчитывать созревшие плоды или распознавать поврежденные плоды из-за поверхностных трещин или болезней для сбора урожая на оптимальной стадии зрелости. Это позволит сократить затраты на рабочую силу, улучшить управление выращиванием и гарантировать отличное качество собранных томатов.
Результаты опубликованы в журнале Computers and Electronics in Agriculture.
Дополнительная информация: M.P. Ислам и др., Система мониторинга растений томатов с использованием искусственного интеллекта — экспериментальный подход на основе универсальной многоотраслевой сверточной нейронной сети общего назначения, Компьютеры и электроника в сельском хозяйстве (2024). DOI: 10.1016/j.compag.2024.109201
Предоставлено Университетом Эхимэ
