基于空地多视角RGB影像协同的病害香蕉植株监测

【目的】利用空地RGB影像探索病害香蕉植株精准监测方法,为构建面向大面积香蕉种植区域中发病香蕉高效精准监测的智能系统提供技术支撑。【方法】通过无人机和地面移动设备拍摄,建立空地多视角病害香蕉植株RGB影像数据集,综合注意力机制和深度可分离卷积策略开发出检测大面积种植区域中病害香蕉植株数量的轻量化深度学习模型,运用多视角目标校对计算实际病害香蕉植株数量及发病率信息。【结果】改进后的模型比YOLOv3、YOLOv4和YOLOv5中最优基础模型性能指标更优。在空地多视角病害香蕉植株目标检测试验中,该模型全类平均精确率(mAP)达94.95%。基于该模型完成了大面积种植区域病害香蕉植株的监测,且发现病害香蕉植株多位于曾遭受过病害影响而形成的秃斑一样的区域内或其边界上,表明病害香蕉植株具有传染性。此外,完成了规范化小型试验地块中处于缓苗和营养生长期的中蕉4号香蕉的病害信息统计,模型检测所得香蕉发病率误差为0.31%,需人工巡检校对的数量大幅下降82.98%~100.00%,且发现该品种香蕉也表现出典型的多年生作物生长特征。【建议】为解决大面积种植区域中病害香蕉植株精准监测难和检测模型泛化能力不足的问题,建议用空地RGB影像协同的轻量化病害香蕉植株监测方法提取香蕉作物病害信息;多方协作,探索适合数字化农业发展的香蕉种植模式;延伸产业链发展,提升香蕉种植的综合效益,促进区域优势产业发展。

蚁群算法可视化软件的设计和实现

目前的蚁群算法一般都以数值形式展示结果,而蚁群自适应、自组织的行为过程完全被掩盖。对研究者和学习者来说,蚁群行为过程的透明性极易导致理解上的困难和偏差。针对这一问题,文章基于经典蚁群算法,采用现代化可视化方法和技术,设计和实现了面向多种策略的蚁群算法可视化软件。