.png){kind=icon}
返回
Lightweight peach detection using partial convolution and improved Non-maximum suppression
.png){kind=icon}
PRE
AI
DOI：10.1016/j.jvcir.2025.104495.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
农业领域中水果检测的自动化是提高效率、确保高品质农产品的重要环节。在各类作物中，桃子因其质地柔软、易受损以及果实重叠现象普遍而构成独特挑战。这些特性不仅使人工检测复杂化，也对自动化检测系统构成显著障碍。本文针对训练数据集中存在大量重叠桃子及低质量样本的场景，提出了一种新型轻量化模型，命名为轻量化桃子检测器（LP-Det）。具体而言，我们提出了Inshape-IoU-Soft-非极大值抑制（ISIS-NMS）算法，以提升模型对重叠桃子的检测精度和准确率，并提出了部分卷积批归一化SiLU（PCBS）模块，以减小模型尺寸并加速推理过程。此外，引入了Wise-Intersection over Union v3（WIoUv3）以减轻低质量样本对模型训练的影响并提高定位精度。我们在一个来自桃园的桃子数据集上评估了该方法，结果表明其性能优于多种当前最优（SOTA）目标检测模型。
期刊
IF:
3.1
论文数:
434
被引数:
5.6K
机构
引用论文
Real-Time Image Detection for Edge Devices: A Peach Fruit Detection Application边缘设备实时图像检测：桃果实检测应用
OAAI
OAAI分享收藏PointCutMix: Regularization strategy for point cloud classificationPointCutMix: 点云分类的正则化策略.png)
NEUROCOMPUTING
OAAI
NEUROCOMPUTINGIF6.5
OAAI分享收藏Detection of Peach Disease Image Based on Asymptotic Non-Local Means and PCNN-IPELMIEEE ACCESSOAAI
IEEE ACCESSIF3.6
OAAI分享收藏
查看更多内容