DE-YOLOv13-S:研究一种基于生物仿真视觉模型,用于云南大叶茶树的产量检测
Shihao Zhang1,2,3, Xiaoxue Guo1,2,3, Meng Tan1
1School of Mechanical and Electrical Engineering, Wuhan Donghu College, Wuhan 430071, China.
Biomimetics (Basel, Switzerland)
|November 26, 2025
概括
这项研究介绍了DE-YOLOv13-S,这是一种由灵长类动物视觉启发的新型深度学习网络,旨在增强云南大叶茶树产量检测. 生物学方法在具有挑战性的条件下显著提高了准确性和稳定性.
科学领域:
- 农业遥感 农业遥感
- 计算机视觉 计算机视觉 计算机视觉
- 生物视觉系统是生物视觉系统.
背景情况:
- 云南大叶茶树的产量检测面临着诸如变量尺度,复杂的背景,模糊和遮等挑战.
- 现有的方法在这些条件下难以获得准确性和稳定性.
研究的目的:
- 开发一个先进的深度学习网络,DE-YOLOv13-S,集成灵长类动物的视觉机制,以改善茶树产量检测.
- 在具有挑战性的农业成像场景中提高定位精度和稳定性.
主要方法:
- 灵长类动物视觉机制的集成:DynamicConv用于受感场优化,高效混合聚合频道注意力用于选择性集成,以及基于规模的动态损失模拟化.
- 开发DE-YOLOv13-S深度学习网络架构.
主要成果:
- DE-YOLOv13-S证明了培训和测试损失的减少 (盒子,Cls,DFL).
- 与YOLOv13相比,DE-YOLOv13-S显示参数略有增加 (2.06 M),但计算复杂性减少 (0.2 G FLOP).
- 在精度 (+3.78%),回忆 (+2.04%) 和mAP (+3.35%) 中观察到显著的改进.
结论:
- DE-YOLOv13-S网络为智能茶园管理和高质量开发提供了高效稳定的解决方案.
- 这种生物视觉方法为将农业遥感与先进视觉技术相结合提供技术支持.


