LMS-Res-YOLO:轻量级和多尺度的黄瓜检测模型与剩余块
Bo Li1,2, Guangjin Zhong3, Wei Ke1
1Faculty of Applied Sciences, Macao Polytechnic University, Macao 999078, China.
Sensors (Basel, Switzerland)
|December 11, 2025
概括
这项研究介绍了LMS-Res-YOLO,这是一种用于农业自动化的轻量级黄瓜检测模型. 它提高了精度和效率,使其适用于温室的边缘设备.
科学领域:
- 计算机视觉 计算机视觉
- 农业技术 农业技术
- 机器学习 机器学习
背景情况:
- 有效的黄瓜检测对于自动化温室养殖至关重要.
- 现有的方法面临着背景干扰,遮蔽和边缘设备限制的挑战.
研究的目的:
- 开发一个轻量级的多尺度黄瓜检测模型 (LMS-Res-YOLO) 以提高农业自动化.
- 为了解决边缘设备的计算限制,同时保持高检测准确度.
主要方法:
- 拟议的LMS-Res-YOLO模型包含一个高效率单元 (HEU) 和剩余块.
- 实现了脱和高效检测HEAD (DE-HEAD),以减少模型的复杂性.
- 集成的KernelWarehouse动态卷积 (KWConv) 为优化参数效率和特征表达提供.
主要成果:
- 实现了97.9%的mAP@0.5和87.8%的mAP@0.5:0.95,超过了基准YOLOv8_n.
- 浮点运算 (FLOP) 减少了33.3%,模型参数减少了19.3%.
- 获得了95.9%的F1分数,在具有挑战性的检测场景中表现出强的性能.
结论:
- LMS-Res-YOLO提供了一个计算效率高,准确的解决方案,用于在温室中检测黄瓜.
- 该模型的轻量级设计使其适合在边缘设备上部署,从而推进农业自动化.
- 像HEU,DE-HEAD和KWConv这样的创新有助于提高性能和效率.
