基于改进YOLOv8n的番茄果实检测模型
提出改进YOLOv8n番茄果实检测模型，提升采摘机器人识别精度与速度。
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
10 篇内容清除全部筛选
Orchard worker detection using spatial-context attention on 2D LiDAR data
Orchard worker detection using spatial-context attention on 2D LiDAR data。Biosystems Engineering
Simultaneous Maturity Recognition and Yield Counting of Truss and Individual Tomatoes Using Improved YOLOv8-EME and Optimized ByteTrack Tracker
提出改进YOLOv8-EME与ByteTrack结合的番茄检测计数系统，可同时识别串收与单果成熟度并
A tomato maturity detection method against occlusion and variable illumination
提出一种抗遮挡和光照变化的番茄成熟度检测方法。
Full shuffle and p-rectified semi-inner powerful IoU-based chili pepper flower recognition with environment-aware YOLO11
基于YOLO11改进，实现温室辣椒花精准检测。
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。
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。
Instance Segmentation and Multi-Object Tracking for Fruit Quality Grading and Dynamic Yield Estimation in Egyptian Citrus Orchards
构建柑橘果园AI框架，实现果实质量分级与动态产量估计，并评估多种分割与跟踪模型。
A Feature Enhancement Framework for Joint Mango Fruit and Stem Detection in Complex Orchard Environments (复杂果园环境中芒果果实与果柄联合检测的特征增强框架)
MDPI Agriculture 2026, 16(17), 1888, 2026年8月31日发表,作者来自华南农业大学工程学院和农业装备技术国家重点实验室。研究提出MangoNET,基于YOLOv11n的芒果果实与果柄联合检测框架,适用于复杂果园环境。P2高分辨率检测头保留小目标的精细空间信息,SPPF-ELAN聚合局部和上下文特征用于部分可见对象,SENet在光照变化下重新校准通道响应,WIoU v3调节具有不同定位质量的边界框样本。数据集包含1782张台农和金煌芒果原始图像,仅对训练集应用数据增强,将训练集大小从1172张增加到2886张图像。MangoNET果实和果柄F1分数分别为0.920和0.916,mAP50和mAP50-95值为0.941和0.690。
CD-YOLO: 基于改进YOLOv11s的田间胡萝卜苗检测方法
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。