相关实验视频
Updated: Sep 15, 2025
08:42
Forced Flowering in Mandarin Trees under Phytotron Conditions
Published on: March 6, 2019
9.1K
-曼巴-YOLO:一个加强的框架,以高效和准确的温室气体监测
Sicheng You1, Boheng Li2, Yijia Chen3
1Faculty of Data Science, City University of Macau, Macau, Macau SAR, China.
Frontiers in plant science
|July 14, 2025
概括
使用混合方法,ROSE-MAMBA-YOLO在具有挑战性的温室图像中准确地检测到. 这种高效的框架增强了精确的花养殖和基于无人机的实时作物监测.
科学领域:
- 农业工程 农业工程
- 计算机视觉 计算机视觉
- 机器人技术 机器人技术 机器人技术
背景情况:
- 在无人机图像中检测很困难,原因是遮蔽和尺度变化.
- 复杂的温室环境对自动化监测系统构成挑战.
研究的目的:
- 为基于无人机的温室气体监测开发一个准确和有效的探测模型.
- 增强农业对象检测中的特征提取和上下文理解.
主要方法:
- 介绍了ROSE-MAMBA-YOLO,这是一个混合框架,结合了YOLOv11和Mamba启发的状态空间建模.
- 实现了多个尺度的功能融合和增强的上下文表示.
- 使用mAP@50,精度和回忆指标评估模型性能.
主要成果:
- 实现了平均平均精度 (mAP@50) 的87.5%,精度的90.4%,和回忆的83.1%.
- 与最先进的物体检测模型相比,其表现优越.
- 验证了对退化输入数据的稳定性和跨不同数据集的适应性.
结论:
- ROSE-MAMBA-YOLO提供了一个可扩展和高效的解决方案,用于基于无人机的在精密花养殖中的监测.
- 轻量级的实时框架推动了智能,数据驱动的农业.
- 能够将先进的检测技术集成到实时作物监测系统中.
