基于水母竞争洗牌优化深度最大输出网络的玉米叶部病害物联网检测新方法

为解决复杂农业环境下玉米叶部病害检测精度不足的问题，来自印度的研究团队创新性地将水母竞争洗牌优化算法(JCSO)与深度最大输出网络(DMN)相结合，开发出JCSO-DMN模型。该研究通过融合竞争洗牌牧羊人优化(CSSO)和水母搜索(JS)算法，在能量消耗(1.000 J)、准确率(0.949)、灵敏度(0.976)等关键指标上取得突破性进展，为智慧农业中的作物病害实时监测提供了新范式。

　　

农业作为印度经济的支柱产业，其核心作物玉米的产量正面临植物病害的严重威胁。传统深度学习模型在复杂农田环境下表现欠佳，而物联网(IoT)技术的引入为获取高质量环境数据提供了新思路。这项研究开创性地将两种仿生算法——竞争洗牌牧羊人优化(CSSO)和水母搜索(JS)进行杂交，诞生了水母竞争洗牌优化(JCSO)算法，并将其应用于深度最大输出网络(DMN)的优化。这种创新架构在玉米叶部病害检测中展现出惊人性能：能耗仅1.000^?J，准确率高达0.949，灵敏度达到0.976，特异性为0.946，响应时间仅需0.126^?s。该成果不仅解决了复杂背景下病害识别的技术瓶颈，更为智慧农业中的实时监测系统提供了可靠的技术支持。