基于卷积块注意模块和小组卷积的实时检测变压器在玉米苗木中的应用
Yunlong Wu1,2,3, Shouqi Yuan1,3, Yue Tang1
1Research Center of Fluid Machinery Engineering and Technology, Jiangsu University, Zhenjiang, China.
Frontiers in plant science
|October 27, 2025
概括
精确的玉米苗木检测对于智能农业至关重要. 新的CBAM-RTDETR模型通过增强的特征提取,在复杂的田间条件下显著改善了苗木识别.
科学领域:
- 农业工程 农业工程
- 计算机视觉 计算机视觉
- 遥感 遥感 遥感 遥感
背景情况:
- 智能检测和计数玉米幼苗对于现代智能农业和育种至关重要.
- 现场检测的挑战包括小目标尺寸和复杂的农田环境.
研究的目的:
- 开发一个改进的玉米幼苗检测模型,以提高准确性和实时性能.
- 解决复杂农业环境中现有方法的局限性.
主要方法:
- 提出了一个改进的检测模型,命名为CBAM-RTDETR.
- 整合了CBAM模块,并将卷积集成到RT-DETR骨干网络中,用于特征提取.
主要成果:
- 实现了92.9%的平均平均精度 (mAP0.5) 和64.4%的平均平均回忆 (AR).
- 达到每秒 (FPS) 87f/s,超过了对比模型的性能.
- 增强浅边的细节和特征多样性,以改善幼苗的识别.
结论:
- 该CBAM-RTDETR模型有效地克服了实时和准确的玉米苗木识别方面的挑战.
- 该模型显示了在无人机遥感中应用的巨大潜力,用于智能玉米种植.
