63、机器学习、物联网与区块链技术在农业及计算领域的应用探索

机器学习、物联网与区块链技术在农业及计算领域的应用探索

绿豆病虫害识别模型

在农业生产中，绿豆作为一种重要的农作物，常常受到病虫害的威胁。为了有效识别绿豆的病虫害，研究人员开发了相关的模型。

研究人员创建了11种绿豆健康、病虫害数据集，涵盖了六种典型的绿豆病虫害。通过对比分析常见目标识别算法和自研模型在绿豆病虫害识别中的应用，发现带有Inception的SSD算法在识别准确性、内存使用和时间等性能指标上表现稳定，并且该应用还能在基于安卓的移动设备上运行。

为了让模型更有效，在实验数据集中采用了DA方法解决类别稳定性不一致的难题。新的技术使识别准确率显著提高了0.8个百分点，同时添加了Dropout层避免数据过拟合问题。当p = 0.8时，模型的mAP值达到77.16%。在不同光照、背景和环境下对收集的图像进行实验，模型在复杂噪声和环境下仍具备不错的绿豆病虫害识别能力。

以下是该模型应用的优势总结表格：
|优势|详情|
| ---- | ---- |
|准确率提升|识别准确率提高0.8个百分点|
|抗过拟合|添加Dropout层避免数据过拟合|
|适应复杂环境|在不同光照、背景和环境下能有效识别|
|移动应用|可在安卓移动设备上运行|

此外，研究人员还尝试将训练好的模型安装到安卓平台，开发绿豆病虫害识别系统，该系统具有简单的识别界面，能有效提高农业物资的产量。不过，模型目前在多目标交叉、特征遮挡和小目标识别任务方面的识别能力仍有不足，未来将通过增加绿豆病虫害数据集和修改模型网络结构来解决这些问题。在工具使用方面，采用了LabelImg（v1.3.0）这一基于Python和Qt的图形图