A Novel Computer Vision System for Efficient Flea Beetle Monitoring in Canola Crop
Notice bibliographique
Résumé
Effective crop health monitoring is essential for farmers to make informed decisions about managing their crops. In canola crop management, the rapid proliferation of flea beetle (FB) populations is a major concern, as these pests can cause significant crop damage. Traditional manual field monitoring for FBs is time consuming and error-prone due to its reliance on visual assessments of FB damage to small seedlings, making conducting frequent and accurate surveys difficult. One of the key pieces of information in assessing if control of FBs is required is the presence of live FBs in the canola crop. This article proposes a novel insect-monitoring framework that uses a solar-powered, intelligent trap called the smart insect trap (SIT), equipped with a high-resolution camera and a deep-learning-based object detection network. Using this SIT, coupled with a kairomonal lure, the FB population can be monitored hourly, and population increases can be identified quickly. The SIT processes images at the edge and sends results to the cloud every 40 min for FB monitoring and analysis. It uses a modified you look only once version 8 small (YOLOv8s) object detection network, FB-YOLO, to improve its ability to detect small FBs. The modification is implemented in the network's neck, which aggregates features from the deep and early pyramids of the backbone in the neck. Improved attention to small objects is achieved by incorporating spatially aware features from early pyramids. In addition, the network is integrated with an advanced box selection algorithm called confluence nonmax suppression (NMS-C) to prevent duplicate detections in highly overlapped clusters of FBs. The FB-YOLO achieved an average precision ($\text{mAP}@0.5$) of 89.97%, a 1.215% improvement over the YOLOv8s network with only 0.324 million additional parameters. Integrating NMS-C further improved the$\text{mAP}@0.5$by 0.19%, leading to an overall$\text{mAP}@0.5$of 90.16%.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,001 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».