Adaptability of Lightweight AI Models for Embedded Deployment: A Case Study of an Agricultural Monitoring Robot
综述轻量化AI方法,并以农业监测机器人为例,提出相机+轻量YOLO+Jetson+单片机的嵌入式部署
同时包含 农业人工智能、作物监测 的农业资讯,共 14 条。
综述轻量化AI方法,并以农业监测机器人为例,提出相机+轻量YOLO+Jetson+单片机的嵌入式部署
综述人工智能在农业4.0作物监测与管理中的应用、潜力与挑战。
构建无人机RGB影像深度学习分割与空间矢量化框架,实现作物监测优先级评估。
提出四维混沌加密与Mamba-LSDet协同的作物病害隐私保护识别框架。
开发轻量级边缘AI模型,在资源受限移动设备上实时检测高粱病害。
提出HAT-Light混合注意力Transformer,实现Sentinel-2多光谱16位影像连续
提出轻量级双路径网络DPMFNet,实现复杂农田场景下的作物病虫害高精度识别。
提出LeafTrackNet深度学习框架,实现俯视植物表型中稳健的叶片追踪。
综述红边遥感在农业中的物理基础、条件依赖性与可解释机器学习中的新角色。
发布开源Python库GeoWombat,实现大规模地理空间栅格数据与遥感分析的一站式处理。
提出混合迁移学习框架,用预训练模型提取特征并结合机器学习分类器实现卫星图像季节分类。
系统综述AI用于多尺度作物监测与大豆叶病诊断,提出FRI评估标准与报告协议。
综述AI与IoT在精准农业中的应用,涵盖传感、灌溉、病害检测等,并给出原型架构。
利用无人机多光谱成像与机器学习检测作物胁迫并优化产量。