相关实验视频
Updated: Jun 1, 2025
11:02
Fruit Volatile Analysis Using an Electronic Nose
Published on: March 30, 2012
21.3K
高效准确的烟草叶成熟度检测:一个改进的YOLOv10模型与DCNv3和高效的局部注意力集成
Yi Shi1, Hong Wang2, Fei Wang1
1College of Agricultural Equipment Engineering, Henan University of Science and Technology, Luoyang, Henan, China.
Frontiers in plant science
|January 20, 2025
概括
一种基于YOLOv10的新方法可以准确地检测烟草叶的成熟度,改善质量评估和种植者利. 这种非侵入性技术提高了烟草行业的效率和可持续性.
科学领域:
- 农业科学 农业科学
- 计算机视觉 计算机视觉
- 机器学习 机器学习
背景情况:
- 传统的烟草叶成熟度评估依赖于主观的人类专业知识,导致变化和效率低下.
- 准确的成熟度确定对于烟草产品质量,种植者收入和行业可持续性至关重要.
研究的目的:
- 开发一种创新的,快速的,非侵入性的方法来检测烟草叶的成熟度,使用一个改进的YOLOv10模型.
- 克服传统的主观评估技术的局限性.
主要方法:
- 开发了一个先进的YOLOv10框架,将DCNv3与C2f集成,以创建一个C2f-DCNv3子网络,以改进功能集成.
- 集成了高效局部注意力 (ELA) 机制,以提高特征提取效率和保真度.
- 该模型被训练并对烟草叶成熟度分类进行评估.
主要成果:
- 改进后的模型在所有期限分类中显示出显著的业绩改善.
- 关键指标有所改善:精度 (P) 从0.939升至0.973,回调 (R) 从0.968升至0.984,mAP50从0.984升至0.994,mAP50-95从0.962升至0.973.
- 该模型为烟草叶品质评估提供了一个快速而准确的工具.
结论:
- 开发的基于YOLOv10的方法为烟草叶成熟度检测提供了高度准确和高效的解决方案.
- 这项技术在烟草行业具有实质性的实用性和广泛的应用前景.
- 未来的工作重点是模型的概括性和现实世界种植/加工实施.
更多相关视频
08:54Imaging Spatial Reorganization of a MAPK Signaling Pathway Using the Tobacco Transient Expression System
Published on: March 20, 2016
9.8K
20:24Characterization of Complex Systems Using the Design of Experiments Approach: Transient Protein Expression in Tobacco as a Case Study
Published on: January 31, 2014
16.4K
