Сельское хозяйство является важнейшей основой, поддерживающей многочисленные экономики, и долговечность кофейного бизнеса имеет первостепенное значение. Контроль и защита кофейных ферм от вредных вредителей, включая кофейного сверлильщика, мучнистых червецов, щитовок и минирующих молей, которые могут существенно повлиять на урожайность и качество урожая. Стандартные методы обнаружения болезней вредителей иногда требуют специальных знаний или тщательного анализа, что приводит к значительным затратам времени и усилий. Чтобы решить эту проблему, исследователи изучили использование компьютерного зрения и методов глубокого обучения для автоматизированного обнаружения болезней и вредителей растений. В этой статье представлена новая стратегия раннего обнаружения убийц урожая кофе с использованием нейронных сетей Hybrid Vision Graph (HV-GNN) на кофейных плантациях. Модель была обучена и проверена с использованием тщательно отобранного набора данных из 2850 маркированных изображений кофейных растений, которые включали различные заражения насекомыми. Конструкция HV-GNN позволяет модели распознавать отдельных вредителей на изображениях и фиксировать сложные связи между ними, что потенциально приводит к повышению точности обнаружения. HV-GNN умело обнаруживает вредителей, анализируя их визуальные характеристики и выявляя взаимосвязи между вредителями на изображениях. Экспериментальные результаты показывают, что HV-GNN достигает точности обнаружения 93,6625%, что превышает показатели ведущих моделей. Повышенная точность подчеркивает осуществимость практической реализации, позволяя осуществлять проактивную борьбу с вредителями для защиты кофейных ферм и повышения сельскохозяйственного производства.
Фото: Формирование графика с использованием собранных наборов данных изображений заболеваний.
