Lightweight nighttime citrus fruit detection in UAV imagery using an enhanced NightNet
提出增强NightNet实现无人机夜间柑橘果实轻量检测。
苹果、柑橘、猕猴桃、葡萄、热带亚热带果树
提出增强NightNet实现无人机夜间柑橘果实轻量检测。
提出LLM辅助多通道光谱相似度融合框架,实现柑橘黄龙病早期无损诊断。
开发基于AI的无人机系统,用无监督算法从航拍图像估算果树高度和冠层体积。
研究视频多目标跟踪系统在不同扫描条件下估算苹果产量的性能。
构建柑橘果园AI框架,实现果实质量分级与动态产量估计,并评估多种分割与跟踪模型。
利用无人机生成导航地图,实现葡萄园地面机器人自主遍历。
提出ERG-Mask模型,用于温室鲜食葡萄串的实例分割,提升边缘与区域协同精度。
将SAM3适配到3D水果计数,结合跨视图对比学习和Hough投票,提升密集遮挡下的检测与定位。
MDPI Agriculture 2026, 16(17), 1888, 2026年8月31日发表,作者来自华南农业大学工程学院和农业装备技术国家重点实验室。研究提出MangoNET,基于YOLOv11n的芒果果实与果柄联合检测框架,适用于复杂果园环境。P2高分辨率检测头保留小目标的精细空间信息,SPPF-ELAN聚合局部和上下文特征用于部分可见对象,SENet在光照变化下重新校准通道响应,WIoU v3调节具有不同定位质量的边界框样本。数据集包含1782张台农和金煌芒果原始图像,仅对训练集应用数据增强,将训练集大小从1172张增加到2886张图像。MangoNET果实和果柄F1分数分别为0.920和0.916,mAP50和mAP50-95值为0.941和0.690。