Constructing segmentation method for wheat powdery mildew using deep learning
Notice bibliographique
Résumé
Powdery mildew is an important factor affecting wheat yield and global food security as well as a leading factor restricting the sustainable development of agriculture. Timely and accurate segmentation of wheat powdery mildew image is an important practical significance for disease-resistant breeding and precise control. In this study, RSE-Swin Unet was proposed based on the Swin-Unet architecture to address the complex morphology of wheat powdery mildew lesions, blurred boundaries between lesions and non-lesions, and low segmentation accuracy. The method combines ResNet and SENet to solve the abovementioned problem. Firstly, the attention mechanism module SENet is introduced into Swin-Unet, which can effectively capture global and local features in images and extract more important information about powdery mildew. Secondly, the output of the SENet module add to the corresponding feature tensor of the decoder for subsequent decoder operations. Finally, in the deep bottleneck of Swin-Unet network, ResNet network layers are used to increase the expressive power of feature. The test results showed that in the experiment with the self-built wheat powdery mildew dataset, the proposed RSE-Swin Unet method achieved MIoU, mPA, and accuracy values of 84.01%, 89.96%, and 94.20%, respectively, which were 2.77%, 3.64%, and 2.89% higher than the original Swin-Unet method. In the wheat stripe rust dataset, the proposed RSE-Swin Unet method achieved MIOU, MPA, and accuracy values of 84.91%, 90.50%, and 96.88%, respectively, which were 4.64%, 5.38%, and 2.84% higher than those of the original Swin-Unet method. Compared with other mainstream deep learning methods U-Net, PSPNet, DeepLabV3+, and Swin-Unet, the proposed RSE Swin-Unet method can detect wheat powdery mildew and stripe rust image in a challenging situation and has good computer vision processing and performance evaluation effects. The proposed method can accurately detect the image of wheat powdery mildew and has good segmentation performance, which provides important support for the identification of resistance in wheat breeding materials.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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 tête enseignante, 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 ».