Loading...
机构名称:
¥ 1.0

植物性疾病对全球粮食安全和农业的可持续性构成了重大风险,从而导致经济损失和阻碍农村生计。传统的疾病检测方法,包括视觉检查和基于实验室的技术,其可扩展性,效率和准确性受到限制。本文解决了使用高级机器学习技术(特别是视觉变压器(VIT))准确检测和诊断植物疾病的关键问题,以克服这些限制。VITS利用自我发明的机制来捕获植物图像中的复杂模式,从而实现准确有效的疾病分类。本文回顾了有关农业深度学习技术的文献,强调了对植物疾病检测的VIT的日益兴趣。此外,它为培训和评估植物疾病分类任务的VIT模型提供了全面的方法。实验结果证明了VIT在准确识别55种平衡类别数据集中的各种植物疾病方面的有效性,强调了它们的潜力彻底改变了精密农业并促进可持续的农业实践。

使用视觉变压器检测植物疾病

使用视觉变压器检测植物疾病PDF文件第1页

使用视觉变压器检测植物疾病PDF文件第2页

使用视觉变压器检测植物疾病PDF文件第3页

使用视觉变压器检测植物疾病PDF文件第4页

使用视觉变压器检测植物疾病PDF文件第5页

相关文件推荐

2020 年
¥1.0
2024 年
¥35.0