Resumen

La prevención y el control de las plagas y enfermedades de las naranjas de ombligo es una medida importante para asegurar el rendimiento de las naranjas de ombligo. Con el objetivo de solucionar los problemas de la lentitud, la fuerte subjetividad, los elevados requisitos de conocimientos profesionales requeridos y los altos costes de identificación en los métodos de identificación de las plagas y enfermedades del naranjo de ombligo, este trabajo propone un método basado en DenseNet y la atención. El método de identificación de enfermedades y plagas del naranjo de ombligo basado en mecanismos de fusión (DCPSNET) mejora el modelo tradicional de red densa profunda DenseNet para realizar una identificación precisa y eficiente de las enfermedades y plagas del naranjo de ombligo. Debido a la dificultad de recopilar datos de las plagas y enfermedades de la naranja de ombligo, este artículo utiliza la tecnología de mejora de imágenes para ampliarla. Los resultados experimentales muestran que, en el caso de muestras pequeñas, en comparación con el modelo tradicional, el modelo DCPSNET puede identificar con precisión diferentes tipos de imágenes de enfermedades y plagas del naranjo de ombligo, y la precisión de la identificación de seis tipos de enfermedades y plagas del naranjo de ombligo en el conjunto de prueba es tan alta como el 96,90%. El método propuesto en este trabajo tiene una alta precisión de reconocimiento, realiza el reconocimiento inteligente de las enfermedades y plagas de la naranja de ombligo, y también proporciona una forma de reconocimiento de alta precisión de pequeños conjuntos de datos de muestra.

• Materias:Inteligencia artificial Minería de datos Algoritmos genéticos Neurofisiología Proceso de aprendizaje
• Subjects:Artificial intelligence Data mining Genetic algorithms Neurophysiology Learning processes
• Palabras claves:enfermedad de la naranja de ombligo, plaga de la naranja de ombligo, métodos de ombligo, tipo de ombligo, métodos de identificación, plaga, reconocimiento del ombligo, modelo de red densenet, alta precisión de reconocimiento, alto coste de identificación
• Keywords:navel orange disease, navel orange pest, methods of navel, type of navel, identification methods, pest, recognition of navel, network densenet model, high recognition accuracy, high identification cost