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。
园艺作物
浏览园艺作物相关政策、产业动态与研究。
技术筛选 · 已选 1 项
88 篇内容清除全部筛选
[预印本]Multi-Task Learning for Sparsely-Labeled Time Series: A Case Study on Cold-Hardiness Modeling
提出RNN多任务学习方法，用于标签稀疏的葡萄抗寒时间序列建模。
A crop cultivation monitoring platform for evaluating the early growth of cucumbers
构建黄瓜早期生长监测平台，用YOLO模型自动量化发芽与子叶面积，并评估ZnO-NPs缓解盐胁迫效果。
Lightweight nighttime citrus fruit detection in UAV imagery using an enhanced NightNet
提出增强NightNet实现无人机夜间柑橘果实轻量检测。
Mushroom cap phenotype extraction based on YOLOv11-SMD
提出YOLOv11-SMD模型，用于蘑菇菌盖表型自动提取。
PT-GNN: A physiological topology-aware graph neural network for multimodal early detection of cucumber downy mildew using hyperspectral and chlorophyll fluorescence sensing
提出生理拓扑感知图神经网络PT-GNN，融合高光谱与叶绿素荧光实现黄瓜霜霉病早期检测。
ArXiv 2609.10469 AgroVisNet:轻量化卷积网络及萝卜-马铃薯-葫芦病害诊断基准
提出轻量卷积网络AgroVisNet及萝卜、马铃薯、葫芦病害诊断基准BD-PlantDX。
华中农大实现柑橘黄龙病早期无损诊断 提LLM辅助拉曼光谱相似度融合框架
提出LLM辅助多通道光谱相似度融合框架，实现柑橘黄龙病早期无损诊断。
南京农业大学等单位3MSP2多簇番茄序贯采摘规划在Computers and Electronics in Agriculture发表
提出3MSP2方法，实现温室大果番茄从簇级排序到单果姿态估计的序贯采摘规划。
中国农业大学马韫韬教授团队:攻克温室黄瓜冠层点云分割难题 助力设施数字化精准管理
构建Cuc-HiSeg框架，实现温室黄瓜冠层点云高精度叶片实例分割。
EfficientNet-CBAM-prototype: an attention-guided EfficientNet framework with dynamic prototype representation for tomato disease classification
提出ECP-Net，用注意力与动态原型提升番茄病害分类精度与可解释性。
Intelligent robotic systems for flower harvesting: A review of vision algorithms, end-effectors, and motion planning strategies
综述花卉采摘智能机器人系统，涵盖视觉算法、末端执行器与运动规划策略。
Optimized Inception-v4 CNN Combined with YOLOv8 andXGBoost for Tomato Plant Disease Recognition and Classification
提出YOLOv8+Inception-v4+XGBoost混合模型，实现番茄叶片病害精准检测与分类。
Quantile normalisation enables interpretable spatial prioritisation of persistence-related mechanistic suitability under uncertainty for tomato red spider mite (Tetranychus evansi) in Africa
提出分位数归一化方法，改进非洲番茄红蜘蛛螨持久性适宜性的空间优先排序。
Advances in Recognition Methods for Fruit and Vegetable Harvesting（MDPI Agriculture 2026, 16(17), 1924）
综述果蔬采摘目标识别方法，分析数字图像、机器学习与深度学习技术，指出挑战与未来方向。
Deep learning and computer vision framework for tomato insect classification with XAI insights
提出ResNet50-Fusion(ViT)混合深度学习模型，用于番茄害虫精准识别，准确率达97%。
A non-destructive watermelon sweetness classification via vision transformer with cross-modal knowledge distillation
提出用视觉Transformer结合跨模态知识蒸馏，实现西瓜甜度的无损分类。
AI Drones Unlock Hidden Avocado & Hazelnut Secrets（Information Processing in Agriculture）
开发基于AI的无人机系统，用无监督算法从航拍图像估算果树高度和冠层体积。
Continual Learning Model Evaluation for Hyperspectral-Based Tomato Bacterial Spot Detection in Greenhouse
评估持续学习框架用于温室高光谱番茄细菌性斑点病冠层检测。
Video-based fruit detection and tracking: effects of scanning conditions on fruit load estimation
研究视频多目标跟踪系统在不同扫描条件下估算苹果产量的性能。