饲草与耕作制度

华北大学Zhang等基于EfficientNet与FPN多尺度特征融合构建田间害虫智能检测框架:EfficientNet作为轻量级注意力嵌入骨干网络提取层次特征,集成多尺度检测与分层FPN融合以提升微小、不显眼的害虫识别性能。在37种田间作物常见害虫上的实验表明,所提模型在IoU阈值0.5下的平均精度([email protected])达到98.89%、平均识别错误率1.57%、平均推理时间仅0.048秒/图像,在检测精度和实时性能间取得平衡,为田间害虫监测提供轻量、可靠、自动化的监测解决方案,促进数据驱动、精准的害虫管理,推动可持续绿色精准农业。

植物病害每年造成全球农业产量损失20%-40%、经济损失超2200亿美元。文章提出统一深度学习流水线,集成语义分割、基于回归的严重程度估计和病害分类,根据感染叶片面积比例将胁迫严重程度分为四档。在包含1641样本、六个类别的苹果树叶病害分割数据集上,采用MobileNetV2的U-Net表现最佳,像素准确率98.20%、mIoU 0.70、检测准确率99.41%、单张图像处理时间仅14.7毫秒,适合实时田间应用。计算出的严重程度指数与专家标注高度相关(r=0.968, R²=0.937),为自动化作物监测和决策支持提供可靠方案。[预印本]