粟场蚜虫簇群检测与分割的数据集与比较研究
计算机视觉与模式识别
2024-05-08 v1 人工智能
摘要
蚜虫虫群是小麦和粟田受到广泛破坏的主要原因之一，也是最常见的植物病毒载体之一，导致显著的农业产量损失。因此，农民常常滥用具有负面健康和环境影响的有害化学农药。这种做法导致在无显著虫害的区域浪费大量农药。因此迫切需要一种智能自主系统，能够在复杂作物冠层中定位并针对性地喷洒足够大的虫害区域。我们开发了一个用于蚜虫簇群检测和分割的大型多尺度数据集，从实际粟田收集并仔细标注以包含蚜虫簇群。该数据集总计包含 54,742 张图像块，展示了多种视角、多样化的光照条件和多个尺度，凸显其对实际应用的有效性。本研究训练和评估了四个实时语义分割模型和三个目标检测模型，专为蚜虫簇群分割和检测而设计。考虑到准确率与效率之间的平衡，Fast-SCNN 提供了最有效的分割结果，实现了 80.46% 的平均精确率、81.21% 的平均召回率和 91.66 帧/秒（FPS）。对于目标检测，RT-DETR 显示出最佳整体性能，实现 61.63% 的平均平均精度（mAP）、92.6% 的平均召回率和在 NVIDIA V100 GPU 上达到 72.55。我们的实验进一步表明，蚜虫簇群分割比使用检测模型更适用于评估蚜虫虫群。
引用
@article{arxiv.2405.04305,
title = {A New Dataset and Comparative Study for Aphid Cluster Detection and Segmentation in Sorghum Fields},
author = {Raiyan Rahman and Christopher Indris and Goetz Bramesfeld and Tianxiao Zhang and Kaidong Li and Xiangyu Chen and Ivan Grijalva and Brian McCornack and Daniel Flippo and Ajay Sharda and Guanghui Wang},
journal= {arXiv preprint arXiv:2405.04305},
year = {2024}
}