Bangladesh AI Model AgroVisNet Spots Crop Blight on Phones(轻量级 99.52% 准确率 0.46 MB 量化部署)

方法

构建12432张12类田间图像基准，用分组瓶颈残差块与注意力机制训练。

发现

测试准确率99.52%，仅29万参数，量化后0.46MB，CPU单张8.4毫秒。

机会点

可探索跨作物跨区域泛化、田间复杂光照鲁棒性及边缘设备实时多病害检测。

孟加拉国研究团队发表《AgroVisNet: A lightweight Convolutional Network and the BD-PlantDX Expert-Validated Benchmark for Radish, Potato and Pointed Gourd Disease Classification》。BD-PlantDX 基准数据集包含 12432 张高分辨率田间图像,涵盖 12 类(萝卜、马铃薯、尖瓜的健康与患病状态)。AgroVisNet 采用分组瓶颈残差块配以序列通道和空间注意力机制,在 BD-PlantDX 上达到 99.52% 测试准确率和相同加权 F1 分数。仅 290572 可训练参数,比所评估的 ImageNet 预训练轻量级骨干少 8.7-16.8 倍参数量。量化部署仅 0.46 MB,单 CPU 8.40 毫秒即可分类一张图像。