StrawberryNet: Recunoaștere rapidă și precisă a bolilor de căpșuni bazată pe reconstrucția informațiilor spațiale și de canal.

Identificarea și diagnosticarea la timp și eficace a bolilor de căpșun sunt esențiale pentru prevenirea acestor boli.

Cu toate acestea, diverse tipuri de boli de căpșun, care au o mare similaritate, reprezintă o provocare importantă pentru acuratețea identificării acestora.

De asemenea, modulul recent cu un număr mare de parametri nu este adecvat pentru identificarea și monitorizarea în timp real.

Prin urmare, în acest articol, propunem o metodă ușoară de identificare a bolilor de căpșun, denumită StrawberryNet, pentru a realiza o identificare precisă și în timp real a bolilor de căpșun.

În primul rând, pentru a reduce numărul de parametri, în loc de convoluție standard, se selectează o convoluție parțială pentru a construi coloana vertebrală (backbone) pentru extragerea caracteristicilor bolii de căpșun, ceea ce poate îmbunătăți semnificativ eficiența.

Apoi, se proiectează un extractor de caracteristici discriminative, care include modulele de reconstrucție a informației pe canal (CIR-Net) și a informației spațiale (SIR-Net), pentru a abstractiza caracteristicile identificabile ale diferitelor tipuri de boli de căpșun.

Un număr mare de rezultate experimentale au fost obținute pe setul de date construit pentru bolile de căpșun, care conține 2903 de imagini și 10 boli comune de căpșun, precum și frunze și fructe normale.

Experimentele extinse arată că acuratețea de recunoaștere a metodei propuse poate ajunge la 99,01%, cu doar 3,6 milioane de parametri, având un bun echilibru între precizia identificării și viteza de procesare, în comparație cu alte module excelente..