Key points are not available for this paper at this time.
ताइवान की अर्थव्यवस्था मुख्य रूप से कृषि उत्पादों के निर्यात पर निर्भर करती है। यदि निर्यात के बाद फसल उत्पादों में किसी कीट का संदेह भी पाया जाता है, तो न केवल कृषि उत्पादों को वापस कर दिया जाता है, बल्कि पूरी फसल की खेप को नष्ट कर दिया जाता है, जिससे गंभीर फसल नुकसान होता है। ताइवान में स्केल कीटों के प्रमुख कीट प्रकार, जैसे की मीलबग, कॉकसीडे और डियास्पिडिडे, न केवल पौधों को गंभीर क्षति पहुंचा सकते हैं, बल्कि कृषि उत्पादन पर भी गंभीर प्रभाव डाल सकते हैं। इसलिए, स्केल कीटों की पहचान करना ताइवान के कृषि क्षेत्र में एक महत्वपूर्ण कार्य है। इस अध्ययन में, हम तस्वीरों के आधार पर स्केल कीटों की पहचान की विशेष समस्या को हल करने के लिए एक एआई-आधारित कीट पहचान प्रणाली का प्रस्ताव करते हैं। गहरे-सीखने-आधारित ऑब्जेक्ट पहचान मॉडल, जैसे कि फास्टर क्षेत्र-आधारित अवकलन नेटवर्क (फास्टर आर-सीएनएन), सिंगल-शॉट मल्टीबॉक्स डिटेक्टर (एसएसडी), और यू ओनली लुक वंस वी4 (YOLO वी4), का उपयोग तस्वीर में स्केल कीटों की पहचान और स्थानीयकरण करने के लिए किया गया है। प्रयोगात्मक परिणामों से पता चलता है कि YOLO वी4 ने एल्गोरिदम के बीच सबसे उच्च वर्गीकरण सटीकता प्राप्त की, जिसमें मीलबग में 100%, कॉकसीडे में 89% और डियास्पिडिडे में 97% शामिल है। इस बीच, YOLO वी4 की गणनात्मक प्रदर्शन ने यह संकेत दिया है कि यह वास्तविक समय के अनुप्रयोग के लिए उपयुक्त है। इसके अलावा, YOLO वी4 मॉडल के निष्कर्ष परिणाम अंत उपयोगकर्ताओं की और मदद करते हैं। प्रशिक्षित स्केल कीट पहचान मॉडल का उपयोग करने वाला एक मोबाइल अनुप्रयोग विकसित किया गया है ताकि खेतों में कीट पहचान करने को सुविधाजनक बनाया जा सके, जो फसल नुकसान को कम करने के लिए उचित कीटनाशकों के प्रयोग में मदद करता है।
चेन एट अल। (बुध,) ने इस प्रश्न का अध्ययन किया।