
-
生物通官微
陪你抓住生命科技
跳动的脉搏
面向番茄叶片病害检测与分类的动态优化分布式深度学习模型
《Scientific Reports》:Dynamic optimized distributed deep learning model for tomato leaf disease detection and classification
【字体: 大 中 小 】 时间:2026年08月27日 来源:Scientific Reports 4.9
编辑推荐:
摘要番茄是最受欢迎的蔬菜,因其作为各国菜肴的主食而在全球范围内广泛种植。番茄叶片病害的早期分类和检测可大幅减少产量损失并提高果实质量。然而,由于架构不一致和输入质量问题,传统技术在检测不准确、缺乏鲁棒性以及计算复杂等方面面临困难。因此,本研究开发了一种基于动态优化分布式学习的
番茄是最受欢迎的蔬菜,因其作为各国菜肴的主食而在全球范围内广泛种植。番茄叶片病害的早期分类和检测可大幅减少产量损失并提高果实质量。然而,由于架构不一致和输入质量问题,传统技术在检测不准确、缺乏鲁棒性以及计算复杂等方面面临困难。因此,本研究开发了一种基于动态优化分布式学习的卷积神经网络长短期记忆(D2CNTM),用于检测番茄叶片病害并分类其类型。在此,该模型通过分析症状中的不一致性来提取纹理模式和上下文感知特征。另外,D2CNTM 包含一种分布式学习策略,执行并行训练以加快训练速度并减少计算开销。显著的是,利用受自然启发的动态社会觅食优化(DSFO)算法找到最佳方案以优化 D2CNTM 的参数,并提供卓越的收敛性。得益于这些改进,使用 Tomato-Village 数据集,D2CNTM 达到了最高的精确率、特异度、敏感度和准确率,分别为 98.71%、98.48%、97.78% 和 98.01%。