1759149577
2025-09-29 12:24:00
研究者は、SSP-Mambanetと呼ばれる新しいディープ学習システムを開発し、ガラスの温室でのイチゴの苗の管理を改善しました。このシステムは、植物が均等に成長し、より高い収量を生み出すことを保証するのに役立ちます。
イチゴは貴重な作物であり、品質を維持し、病気を予防するためにウイルスのない母植物を栽培することが重要です。大規模な温室セットアップでは、これらの植物は通常、長方形の栄養ポットで栽培されています。ただし、環境要因のために、一部の苗木は時間の経過とともに欠落する可能性があります。これにより、収量が低くなり、植物の劣化が不均一な成長につながる可能性があります。不足している苗木を迅速に検出することは重要ですが、手動でチェックすることは時間がかかり、間違いになりやすいです。
これを解決するために、チームはSSP-Mambanetを作成しました。これは、欠落している苗木を自動的に検出し、植物の健康を監視するAIを搭載したツールです。
彼らは、PythonやPytorchなどのツールを使用して、強力なコンピューターシステム（IntelおよびNvidiaハードウェアを使用）でSSP-Mambanetをテストしました。チームは、それをSSD、より速いR->、Yolov5、Yolov7などの一般的なAIモデルと比較しました。すべてのモデルは、一貫性のために640×640ピクセルにサイズ変更された画像を使用しました。 SSP-Mambanetは、パフォーマンスを最適化するためにトレーニング中に調整された50のバッチサイズと学習率を使用してトレーニングされました。
結果は、SSP-Mambanetが他のすべてのモデルよりも優れていることを示しました。達成した：
- Yolov5よりも5.1％高い精度（平均平均精度）
- Yoloxよりも4.4％の改善
- RT-DETR-Xよりも25.1％の大規模なブースト
- 90.4の最高のF1スコア
- 1秒あたり66.7フレームの高速処理速度
どのモデルのどの部分が最も効果的かをよりよく理解するために、チームは追加のテストを実行しました（アブレーション研究と呼ばれます）。彼らは、SPDFFAやCVSSBのような特定のコンポーネントが、照明が悪いなどのトリッキーな状況でも、植物が部分的に視界からブロックされている場合でも、モデルのパフォーマンスをうまく機能させることを発見しました。別の機能であるMPDIOUは、システムが苗の正確な位置をより正確に特定するのに役立ちました。
このモデルは、苗の欠落を見つけるのに特に優れており、94.29％の精度に達しました。これは、作物の損失を減らすための大きな前進です。
要約すると、SSP-Mambanetは温室のイチゴ生産のための強力なツールです。 AIを使用して、行方不明または不健康な植物を自動的に検出し、作物管理を改善し、農業の他の分野にも利益をもたらす可能性があります。温室農業が成長するにつれて、このようなスマートシステムは、生産性と品質を維持するための鍵となります。
発行日：2025年9月29日
#ストロベリーシード管理における自動検出システムを使用します