Key points are not available for this paper at this time.
सार : सेब की पत्तियों की चोटें उनकी पहचान और पहचान के लिए चुनौती पेश करती हैं क्योंकि इनकी प्रजातियों, आकृतियों, असमान आकारों और जटिल पृष्ठभूमियों में व्यापक विविधता होती है। यह पत्र सेब की पत्तियों के घने चोटों की पहचान और पहचान के लिए एक सुधारित मल्टी-स्केल YOLOv8 का प्रस्ताव करता है। प्रस्तावित YOLOv8 में, रोग वस्तु की विशेषता निष्कर्षण को सुधारने के लिए बैकबोन नेटवर्क में एक सुधारित C2f-RFEM मॉड्यूल बनाया गया है। एक नया नैक नेटवर्क C2f-DCN और C2f-DCN-EMA मॉड्यूल का उपयोग करके डिज़ाइन किया गया है, जो कि विकृत करने योग्य समावेशों और क्रॉस-स्पैटियल सीखने के ध्यान तंत्र के साथ कुशल बहु-स्केल ध्यान मॉड्यूल से स्थापित हैं। इसके अलावा, छोटे चोट लक्ष्यों के संकल्प को बढ़ाने के लिए एक बड़े पैमाने पर पहचान सिर पेश किया गया है, ताकि बहु-स्केल बीमारियों के लिए पहचान क्षमता को और सुधार सकें। अंततः, सुधारित YOLOv8 को सामान्य वस्तुओं के संदर्भ (COCO) डेटाबेस पर 80 प्रकार के उद्देश्यों और 8 प्रकार की बीमारियों के साथ सेब की पत्तियों की बीमारी डेटाबेस पर परीक्षण किया गया। आधारभूत YOLOv8 मॉडल की तुलना में, प्रस्तावित सुधारित YOLOv8 COCO डेटाबेस पर mAP0.5 में 3% की वृद्धि करता है, और 0.3G से फ्लोटिंग-पॉइंट संचालन प्रति सेकंड (FLOPs) को कम करता है। सेब की पत्तियों की बीमारी डेटाबेस के लिए, सुधारित YOLOv8 अन्य मॉडलों की तुलना में mAP और FLOPs के मामले में बेहतर प्रदर्शन करता है, जबकि पैरामीटर और मॉडल आकार के लिए, यह क्रमशः दूसरे और तीसरे स्थान पर है। प्रयोगात्मक परिणाम दिखाते हैं कि सुधारित YOLOv8 जटिल परिदृश्यों के साथ सेब की पत्तियों की बीमारियों की बहु-स्केल घनी वितरण के लिए बेहतर अनुकूलता रखता है।
हुओ एट अल. (गुरु,) ने इस प्रश्न का अध्ययन किया।