Um den Anforderungen der umweltfreundlichen Schädlingsbekämpfung hinsichtlich der Erkennung des Schädlingsbefallsgrads gerecht zu werden, wurde ein verbessertes U-Net-Netzwerkmodell zur Erkennung des Befallsgrades von Pflanzenblättern entwickelt. Zunächst wurde das ResNet50-Netzwerk als Hauptnetzwerk des Modells ausgewählt und Transferlernen genutzt, um die Trainingskonvergenz zu beschleunigen und die Rechenkosten zu senken. Anschließend wurde ein Aufmerksamkeitsmechanismus eingeführt, um die Merkmalsextraktion und -fusion in den einzelnen Schichten des U-Net-Netzwerks zu optimieren und die Fähigkeit des Modells zur Aufnahme wichtiger Informationen zu verbessern. Die experimentellen Ergebnisse zeigen, dass das verbesserte U-Net512-Modell die beste Erkennungsleistung aufweist, mit einer durchschnittlichen Erkennungsgenauigkeit von 90,14 % und einem mittleren absoluten Fehler von 276,3. Die Analyse der Merkmalskarten der einzelnen Schichten bei verschiedenen Abtiefungstiefen des Modells ergab, dass die Einführung des Aufmerksamkeitsmechanismus dem Modell ermöglicht, Informationen sowohl über die Gesamtmerkmale der Blätter als auch über die Schadensbereiche zu erfassen und zu fusionieren, was die Erkennungsleistung weiter verbessert. Diese Methode kann nicht nur effektiv den Befallsgrad von Pflanzenblättern erkennen, sondern weist auch eine hohe Genauigkeit und Zuverlässigkeit auf und unterstützt damit die umweltfreundliche Schädlingsbekämpfung.

Schädlingsbekämpfung; verbessertes U-Net-Netzwerk; Aufmerksamkeitsmechanismus; Schädlingsbekämpfung