MDPI Agriculture 2026, 16(17)·9月5日 · 周六论文智慧农业 / 农业物联网阅读 2
Advances in Recognition Methods for Fruit and Vegetable Harvesting（MDPI Agriculture 2026, 16(17), 1924）
Dianlei Han · Shixing Xu · Siyu Zhou 等 5 人
论文解读
72接近精选线
速览
综述果蔬采摘目标识别方法，分析数字图像、机器学习与深度学习技术，指出挑战与未来方向。
方法
综述数字图像处理、传统机器学习、深度学习等方法，分析其原理与改进。
发现
当前技术实时性、稳健性、泛化能力不足，未来需多模态融合、大模型和半监督学习。
机会点
可研究轻量化深度学习模型与多模态融合，提升果蔬采摘识别在复杂环境下的实时性与泛化能力。
影响力15
信息增量20
专业深度18
信源权威12
时效性7
综述性论文，系统梳理果蔬采摘识别技术进展与挑战，对智慧农业细分领域有参考价值。
原文摘要
江苏大学农业工程学院综述果蔬目标识别领域近期文献，总结数字图像处理、传统机器学习和深度学习等主流方法的实施原理与改进方向，指出当前技术在算法模型实时性、稳健性、泛化能力方面仍面临挑战。未来目标识别技术有望通过多模态特征融合、大规模模型和半监督学习实现突破，向更高精度、更快处理速度和更易部署方向演进，为智慧农业大规模实施提供技术支持。
信源（2 个）· 多信源合并去重