基于经济型多光谱成像与知识蒸馏模型压缩的小麦线条花叶病毒早期检测
用经济型多光谱成像结合知识蒸馏压缩模型,实现小麦线条花叶病毒早期检测。
消费级单反加六波段滤光片采集多光谱数据,评估12个深度学习模型并做模型压缩。
压缩模型性能与大型深度学习模型相当,可用于WhSMV感染早期识别。
可探索低成本多光谱设备与轻量模型在田间病害早期预警中的部署与跨区域泛化。
该研究构建了新的多光谱数据集,并首次将模型压缩用于小麦病毒早期检测,方法新颖、结论可靠,对智慧农业植保具有参考价值。
研究人员利用配备六个光谱滤光片的消费级数码单反(DSLR)相机在自然环境条件下获取了一个新的小麦线条花叶病毒(WhSMV)多光谱数据集。评估十二个深度学习模型识别 WhSMV 感染不同阶段的性能,并首次将模型压缩技术应用于多光谱图像用于 WhSMV 感染的早期检测。比较了深度学习算法与压缩模型的性能,揭示压缩模型达到与大型深度学习模型相当的性能。WhSMV 是小麦土传媒介传播病毒,巴西与南非均有报道。