MDPI Agriculture·9月17日 · 周四论文农业人工智能与决策模型阅读 2
Decoupled Foundation Models:基于YOLO26m+SAM2+DINOv2的湿度诱导番茄叶坏死实例分割与检测,登MDPI Agriculture 16(18)1997
论文解读
78精选
速览
用YOLO26m+SAM2+DINOv2多步管道分割并分类高湿诱导的番茄叶坏死斑。
方法
218张RGB图像、3218个标注，评估6种实例分割管道并微调DINOv2分类。
发现
微调DINOv2宏F1达0.926，最佳配置mAP@50=0.828，较单模型提升约8%。
机会点
可探索零样本基础模型在多种非生物胁迫症状上的泛化与轻量化温室部署。
影响力16
信息增量22
专业深度18
信源权威13
时效性9
方法组合新颖、数据规模与对比基线扎实，对温室番茄生理性叶坏死自动识别有实用价值，值得进入每日精选。
原文摘要
本研究针对温室番茄相对湿度过高引发的非生物胁迫(生理性叶坏死,与生物感染症状相似),提出多步AI管道自动化分割与分类坏死叶斑。采集218张RGB图像、3218个标注(棕色坏死斑/黄色坏死斑/无坏死),系统评估6种端到端实例分割管道(YOLO26m检测+SAM2零样本分割+微调DINOv2或EfficientNet-B3分类);微调DINOv2宏F1达0.926,优于EfficientNet-B3、ResNet-50、Swin-Small基线(0.886-0.901);最佳配置mAP@50=0.828,较YOLO26m单模型提升约8%。
信源（1 个）