Frontiers in Plant Science(2026, 17)·10月16日 · 周五论文农业遥感与作物表型阅读 2
Peach-YOLO:基于改进YOLOv8与多注意力融合的复杂环境桃实时检测方法
论文解读
72接近精选线
速览
提出Peach-YOLO改进YOLOv8n模型，实现复杂环境下桃果实实时检测。
方法
改进YOLOv8n，引入RFAConv、CAFM、CA-HSFPN与Shape-
发现
模型仅5.0MB、115.7FPS，[email protected]达82.2%，较基线提升3.0个百分点。
机会点
可探索轻量检测模型在采摘机器人边缘端部署及多果园场景泛化能力。
影响力12
信息增量21
专业深度17
信源权威13
时效性9
方法改进扎实、指标明确，但属细分作物检测算法研究，产业影响有限，适合作为技术类精选。
原文摘要
Frontiers in Plant Science 2026年第17期刊载You, Shuanghong等的Peach-YOLO论文,基于改进YOLOv8n框架,引入RFAConv模块强化特征表示、融合CAFM模块提取关键果实特征、采用CA-HSFPN金字塔网络、引入Shape-IoU损失函数;在自建桃数据集上模型仅5.0 MB,推理速度115.7 FPS,[email protected]达82.2%、精度78.9%、召回率76.4%,较YOLOv8n基线mAP、精度、召回率分别提升3.0、3.6、4.8个百分点。