DFMA-DETR:一种基于双域特征调制和增强注意力的石榴成熟度检测算法
Xinyue Huang1, Feng Song2, Tanglong Feng1
1School of Software Engineering, Jiangxi University of Science and Technology, Nanchang, China.
Frontiers in plant science
|November 7, 2025
概括
这项研究引入了DFMA-DETR,用于精确检测石榴成熟度,改善精准农业. 新的算法增强了特征表示和融合,以更好地采集决策.
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:
- 精确的石榴成熟度检测对于优化收获和经济回报至关重要.
- 传统方法在复杂的农业环境中扎,面临特征表示,注意力机制和多尺度融合方面的局限性.
研究的目的:
- 开发一种先进的算法,用于精确检测石榴成熟度.
- 在复杂的农业环境中克服现有方法的局限性.
主要方法:
- 开发了DFMB-Net骨干,用于空间频率协作处理石榴特征.
- 构建了EAFF模块,具有适应性稀疏注意力和多尺度适应器,用于强大的特征融合.
- 实现了自适应式插值上采样 (AIUP) 和多分支特征卷积 (MFCM),以改善特征对齐和多尺度表示.
主要成果:
- 在PGSD-5K数据集上,DFMA-DETR实现了90.23%的mAP@50和76.40%的mAP@50-95.
- 与基线RT-DETR模型相比,分别显示了3.13%和3.06%的显著改善.
- 通过低模型复杂度的交叉数据集验证,展示了卓越的概括性能.
结论:
- DFMA-DETR算法为智能石榴成熟度检测提供了一个有效的解决方案.
- 这项研究通过增强检测技术来推进精密农业.
- 提出的方法在复杂场景中改善特征表示,融合和多尺度性能.
