MFDN:基于多尺度特征融合的Alstroemeria属花的高效检测方法
Haijie Feng1, Hongyuan Li1, Xuebin Zhu1
1College of Robotics, Guangdong Polytechnic of Science and Technology, Zhuhai, Guangdong, China.
Frontiers in plant science
|September 17, 2025
概括
本研究介绍了用于精密农业的莫拉多花检测网络 (MFDN),增强了Alstroemeria属莫拉多花成熟度的自动检测和分类. 与现有模型相比,MFDN显著提高了准确性,促进了农业自动化.
科学领域:
- 精准农业 精准农业 精准农业
- 计算机视觉 计算机视觉
- 深度学习 (Deep Learning) 是一种深度学习.
背景情况:
- 阿尔斯特罗梅里亚 (Alstroemeria Genus Morado) 是一个重要的装饰植物.
- 对于精准农业来说,自动检测花的成熟度至关重要.
- 挑战包括多样化的形态,复杂的环境,遮蔽和照明变化,研究有限.
研究的目的:
- 提出一个基于深度学习的对象检测框架,用于Alstroemeria Genus Morado花的成熟度.
- 加强小目标的检测,提高分类准确度.
主要方法:
- 开发了莫拉多花检测网络 (MFDN),包括骨干和头部网络.
- 引入了新的模块,如C3k2_PPA用于多分支融合和注意力机制.
- 使用CARAFE进行上采样,Concat进行特征组合,以及优化的C2f模块进行加速处理.
主要成果:
- MFDN在精度,回忆和F1评分中的morado_5may数据集上表现出色.
- 实现了平均平均精度 (mAP) 1.3%-5.8%高于YOLO系列模型.
- 表现出强大的概括能力.
结论:
- MFDN提供了一个强大的解决方案,用于精确检测和分类Alstroemeria属Morado的花成熟度.
- 该框架预计将大大提高农业生产的效率和自动化.
