Frontiers in Plant Science 2026 年 10 月 14 日·10月14日 · 周三论文农业遥感与作物表型阅读 1
A real-time deep learning method for detection and localization of non-emerged cabbage seedlings
论文解读
82精选
速览
提出无人机实时检测定位未出苗甘蓝幼苗的深度学习方法，准确率96.9%。
方法
改进YOLOv8n骨干与双向特征融合颈部，结合YOLO跟踪和图像处理。
发现
Enhanced YOLOv8n的mAP50-95达81.4%，未出苗识别准确率96.9%，人工成本
机会点
可迁移到其他作物出苗监测，并探索多光谱融合与边缘端轻量化实时部署。
影响力18
信息增量22
专业深度18
信源权威14
时效性10
方法新颖、数据扎实且落地价值明确，但属细分作物技术进展，未达重大突破层级。
原文摘要
Chen, Han, Liu, Kong, Maity, Peng, Di, Yu and Yu(《Frontiers in Plant Science》, 2026-10-14发表)提出基于无人机的精确、快速、实时未出苗甘蓝幼苗检测与定位方法。Enhanced YOLOv8n通过更高效骨干网络和双向特征融合颈部结构,达到81.4% mAP50-95,较基线提升8%,同时保持实时推理能力。整合Enhanced YOLOv8n、YOLO跟踪算法和图像处理算法,实现鲁棒的实时未出苗幼苗检测与定位方法,未出苗甘蓝幼苗识别准确率达96.9%,且可区分连续未出苗幼苗数量,人工成本降至原1/5。