Reconhecer inimigos naturais é crucial na gestão ecológica e no controle de pragas agrícolas, mas os métodos existentes enfrentam desafios na extração de características e na precisão da classificação. Este artigo propõe uma abordagem nova para aprimorar a extração de características com base em modelos de Transformador, aproveitando seu poderoso mecanismo de atenção global e suas capacidades de aprendizado de representação. O método proposto integra as forças das redes neurais convolucionais (CNN) e dos Transformadores para melhorar a robustez do reconhecimento em ambientes diversos. Uma contribuição significativa deste trabalho é o desenvolvimento de um conjunto de dados de referência padronizado, cuidadosamente elaborado para representar uma ampla gama de espécies de inimigos naturais e condições ambientais. O conjunto de dados inclui imagens anotadas de alta qualidade, garantindo sua aplicabilidade no treinamento e na avaliação de modelos de aprendizado profundo. Resultados experimentais demonstram que o modelo de extração de características baseado em Transformador supera métodos de ponta, não apenas em termos de eficiência computacional, mas também em precisão e robustez. Esta pesquisa fornece uma abordagem abrangente para o reconhecimento de inimigos naturais, com aplicações potenciais na agricultura sustentável e no monitoramento da biodiversidade.
Nguyen et al. (Wed,) estudaram esta questão.