社区微网站建设方案,菏泽哪家网站设计公司好,做网站的五要素,工程师网站建设介绍
论文地址#xff1a;https://arxiv.org/abs/2404.03611
害虫分类是农业中的一个重要问题。准确识别有害害虫可减少对作物的损害#xff0c;确保粮食安全和环境的可持续发展。然而#xff0c;害虫及其自然环境的高度拟态性和物种多样性使得视觉特征的提取极具挑战性。…介绍
论文地址https://arxiv.org/abs/2404.03611
害虫分类是农业中的一个重要问题。准确识别有害害虫可减少对作物的损害确保粮食安全和环境的可持续发展。然而害虫及其自然环境的高度拟态性和物种多样性使得视觉特征的提取极具挑战性。现有方法很难提取出区分近缘害虫物种所需的细节特征。即使采用了最先进的深度学习方法由于害虫与背景之间存在很大的相似性挑战依然存在。在此背景下亟需开发更有效的害虫分类模型。
拟议方法InsectMamba
InsectMamba 的核心 Mix-SSM 块 是一种巧妙结合了四种视觉编码方法的结构。具体来说是
状态空间模型SSM能有效地模拟随时间变化的视觉特征。善于捕捉长程依赖关系。
卷积神经网络CNN提取局部视觉特征的绝佳工具。
3. 多头自我关注MSA可捕捉全局上下文信息补充 CNN 的不足。
4. 多层感知器MLP可有效提取信道方向的特征。
通过结合这四种方法的特点InsectMamba 能够从多个角度捕捉害虫的视觉特征。
此外所提出的 选择性模块 能自适应地整合通过这些编码方法获得的特征表征。通过动态分配每个通道的重要性可以有效地模拟害虫特征。
因此InsectMamba 的创新设计为害虫分类难题提供了全面的解决方案。
试验
本文利用五个昆虫危害分类数据集对 InsectMamba 的性能进行了评估。之所以选择这些数据集是因为它们的昆虫和背景视觉相似度高物种多样性大这使得昆虫损伤分类具有挑战性。具体数据集包括
- 农场昆虫包括 15 种害虫有 1 368 个训练数据和 160 个测试数据。 - 农业害虫包括 12 种农业害虫有 240 个训练数据和 5 254 个测试数据。 - 昆虫识别包括 24 种昆虫有 768 个训练数据和 612 个测试数据。 - 林业害虫识别包括 31 种害虫599 个训练数据和 6,564 个测试数据。 - IP102包括 102 种害虫1,909 个训练数据和 65,805 个测试数据。
利用这些具有挑战性的数据集InsectMamba 的性能与现有的强大模型ResNet、DeiT、Swin Transformer 和 Vmamba进行了对比评估。结果表明InsectMamba 在所有指标准确度、精确度、召回率和 F1 分数上都表现最佳。
尤其值得一提的是图 3 所示的特征整合方法对比实验。在这里建议的 选择性模块 表现最佳证明了自适应特征整合的重要性。
此外图 4 还研究了选择性模块卷积核大小的影响对于农场昆虫数据集3x3 的结果最佳而对于 IP1021x1 的结果最佳。这表明根据数据集的特点选择适当的核大小非常重要。
而消融实验的结果表明Mix-SSM 模块中的 SSM、CNN、MSA 和 MLP 每个组件都做出了独特的贡献。这些结果表明InsectMamba 可以为昆虫害虫分类的挑战提供最有效的解决方案。
结论
本研究提出了一个新模型–InsectMamba以应对昆虫伤害分类的挑战InsectMamba 是一个创新的架构结合了多种视觉编码方法。
实验结果表明InsectMamba 在五个具有挑战性的昆虫害虫分类数据集上表现出色明显优于现有的强大模型。此外通过消融实验可以清楚地看到所提出方法的每个要素都有其独特的贡献。分析详细考察了特征整合方法和卷积核大小优化等关键设计方面结果证明了 InsectMamba 的高度通用性和实用性。
展望未来重要的是通过在更大的数据集和真实世界环境中进行评估进一步验证 InsectMamba 的实用性。此外还将努力实现实际应用例如研究在硬件限制条件下的高效实施方法。这项研究的成果将为昆虫控制自动化和实现智能农业做出重大贡献。
