Key points are not available for this paper at this time.
딸기는 성장 과정에서 다양한 질병에 취약하며, 잎은 이러한 질병에 대한 반응으로 증상을 보일 수 있습니다. 이러한 질병이 수확량 손실을 초래하고 딸기의 품질을 저하시키므로, 신속한 탐지가 필수적입니다. 딸기 잎에서 질병을 자동으로 식별하기 위해, 정확성과 속도를 모두 향상시키기 위한 KTD-YOLOv8 모델이 도입되었습니다. 전통적인 YOLOv8의 백본 컴포넌트를 대체하기 위해 KernelWarehouse 합성곱이 사용되어 계산 복잡성을 줄입니다. 또한, 다양한 스케일 기능을 완전히 추출하고 융합하기 위해 Triplet Attention 메커니즘이 추가되었습니다. 더 나아가, 다양한 매개변수를 공유하는 분기 블록(DBB) 헤드를 구성하여 다양한 공간 스케일에서 모델의 목표 처리 능력을 향상시키고, 과도한 계산을 추가하지 않으면서 정확도를 높입니다. 실험 결과는 원래의 YOLOv8과 비교하여 제안한 KTD-YOLOv8이 평균 정확도를 2.8% 증가시키고 부동 소수점 계산을 38.5% 줄임을 보여줍니다. 이는 딸기 식물의 성장 과정에서 지능형 식물 모니터링 시스템 및 정밀 농약 분사 시스템을 안내하는 새로운 옵션을 제공합니다.
He et al. (Wed,) 이 문제를 연구하였습니다.