DS_FusionNet: Dynamic Dual-Stream Fusion with Bidirectional Knowledge Distillation for Plant Disease Recognition

要約

経済作物の世界的な成長の安全性に直面している深刻な課題を考えると、植物疾患の正確な特定と予防は、人工知能対応農業技術の重要な問題として浮上しています。
小型サンプルの学習、葉の閉塞、照明のバリエーション、クラス間の類似性などの植物疾患の認識における技術的課題に対処するために、この研究は動的なデュアルストリーム融合ネットワーク（DS_FusionNet）を革新的に提案しています。
ネットワークは、デュアルバックボーンアーキテクチャ、変形可能な動的融合モジュール、および双方向の知識蒸留戦略を統合し、認識の精度を大幅に向上させます。
実験結果は、DS_FusionNetがPlantDiseaseとCIFAR-10データセットの10％のみを使用して90％を超える分類精度を達成し、複雑なPlantwild Datasetの85％の精度を維持し、例外的な一般化機能を示していることを示しています。
この研究は、きめ細かい画像分類のための新しい技術的洞察を提供するだけでなく、農業疾患の正確な識別と管理のための堅牢な基盤も確立しています。

要約(オリジナル)

Given the severe challenges confronting the global growth security of economic crops, precise identification and prevention of plant diseases has emerged as a critical issue in artificial intelligence-enabled agricultural technology. To address the technical challenges in plant disease recognition, including small-sample learning, leaf occlusion, illumination variations, and high inter-class similarity, this study innovatively proposes a Dynamic Dual-Stream Fusion Network (DS_FusionNet). The network integrates a dual-backbone architecture, deformable dynamic fusion modules, and bidirectional knowledge distillation strategy, significantly enhancing recognition accuracy. Experimental results demonstrate that DS_FusionNet achieves classification accuracies exceeding 90% using only 10% of the PlantDisease and CIFAR-10 datasets, while maintaining 85% accuracy on the complex PlantWild dataset, exhibiting exceptional generalization capabilities. This research not only provides novel technical insights for fine-grained image classification but also establishes a robust foundation for precise identification and management of agricultural diseases.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google