关键词 · 相关资讯与研究
沿着“Ensemble YOLO”继续探索，共 0 条内容。
Ensemble YOLO architectures and UAV imagery for robust on-tree durian detection。Smart Agricultural Technology
该研究用集成YOLO模型结合无人机影像识别树上榴莲，可为果园产量估测与采摘规划提供技术参考，但适用性限于特定品种与果园场景。
综述YOLO模型在无人机人道排雷中检测地雷与未爆弹药的技术管线。
刘浩然、王宇、赵学观、吴华瑞、付豪、庞树杰、翟长远(北京市农林科学院智能装备技术研究中心/国家农业智能装备工程技术研究中心)针对枝叶遮挡下田间胡萝卜苗精准识别难题,提出基于改进YOLOv11s的轻量化检测方法CD-YOLO:将主干网络部分标准卷积替换为深度可分离卷积降低模型复杂度,在C3k2模块引入高效多尺度注意力机制EMA构建C3k2_EMA模块增强关键特征动态感知,采用动态检测头强化多尺度特征融合与感知,显著提升检测鲁棒性。
系统综述工业环境中计算机视觉在检测、安全、物流与机器人四领域的应用现状与挑战。
提出YOLOv8-MST轻量算法，实现双粒花生播种实时检测与计数。
提出Peach-YOLO改进YOLOv8n模型，实现复杂环境下桃果实实时检测。
提出将轻量YOLO检测器与机器人相机集成的框架，并定义原型评估方案。
赵丽成、卢鑫羽、吴茜、任妮、周玲莉、程雅雯、胡安琦、戚超(江苏省农业科学院农业信息研究所/淮阴工学院)提出基于改进YOLOv10的轻量级串番茄成熟度目标检测模型LampCT-YOLO:在主干网络引入SegNeXt注意力机制,基于梯度的全局通道重要性方法LAMP通道剪枝显著压缩模型体积和计算复杂度。LampCT-YOLO对红熟早/中/晚期mAP分别达84.6%/89.5%/88.4%,应用LAMP通道剪枝后参数量和计算量分别减少63.07%和50.06%,推理速度提升23.1%;部署至自主研发的果蔬巡检机器人在边缘设备NVIDIA Jetson AGX Orin上达到9.1帧/s推理速度。
