利用 TomFormer 早期且准确地检测番茄叶片病害
图像与视频处理
2023-12-29 v1 人工智能
计算机视觉与模式识别
摘要
番茄叶片病害给番茄种植者带来了重大挑战，导致作物生产力大幅下降。及时且精确地识别番茄叶片病害对于成功实施病害管理策略至关重要。本文介绍了一种基于 Transformer 的模型 TomFormer，用于番茄叶片病害检测。本文的主要贡献包括：首先，我们提出了一种检测番茄叶片病害的新方法，该方法采用融合模型，结合了视觉 Transformer 和卷积神经网络。其次，我们旨在将所提出的方法应用于 Hello Stretch 机器人，以实现番茄叶片病害的实时诊断。第三，我们通过将我们的方法与 YOLOS、DETR、ViT 和 Swin 等模型进行比较来评估该方法，证明了其能够实现最先进（state-of-the-art）的成果。为了进行实验，我们使用了三个番茄叶片病害数据集，即 KUTomaDATA、PlantDoc 和 PlantVillage，其中 KUTomaDATA 收集自阿联酋阿布扎比的一个温室。最后，我们对模型的性能进行了全面分析，并深入讨论了该方法固有的局限性。TomFormer 在 KUTomaDATA、PlantDoc 和 PlantVillage 数据集上表现良好，平均精度均值（mAP）分别为 87%、81% 和 83%。就 mAP 而言的比较结果表明，我们的方法具有鲁棒性、准确性、效率和可扩展性。此外，它可以轻松适应新的数据集。我们相信，我们的工作通过有效减少作物损失和提高作物产量，具有对番茄产业产生重大影响的潜力。
引用
@article{arxiv.2312.16331,
title = {Early and Accurate Detection of Tomato Leaf Diseases Using TomFormer},
author = {Asim Khan and Umair Nawaz and Lochan Kshetrimayum and Lakmal Seneviratne and Irfan Hussain},
journal= {arXiv preprint arXiv:2312.16331},
year = {2023}
}
备注
5 Figures and 1 Table