Orchard worker detection using spatial-context attention on 2D LiDAR data
Orchard worker detection using spatial-context attention on 2D LiDAR data。Biosystems Engineering
果树
苹果、柑橘、猕猴桃、葡萄、热带亚热带果树
技术筛选 · 已选 1 项
4 篇内容清除全部筛选
Lightweight Detection of Blueberries at Different Maturity Stages in Complex Orchard Environments(YOLOv12n+SHSA2C2f+知识蒸馏)
提出轻量YOLOv12n改进模型，实现复杂果园中多成熟期蓝莓的实时检测。
Instance Segmentation and Multi-Object Tracking for Fruit Quality Grading and Dynamic Yield Estimation in Egyptian Citrus Orchards
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。
A Feature Enhancement Framework for Joint Mango Fruit and Stem Detection in Complex Orchard Environments (复杂果园环境中芒果果实与果柄联合检测的特征增强框架)
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。