YOLO-Based Real-Time Object Detection Using Computer Vision for Robotics
提出将轻量YOLO检测器与机器人相机集成的框架,并定义原型评估方案。
同时包含 YOLO、机器人、目标检测 的农业资讯,共 3 条。
提出将轻量YOLO检测器与机器人相机集成的框架,并定义原型评估方案。
综述视频目标检测与分类从手工特征到深度学习方法的演进、模型、数据集与挑战。
赵丽成、卢鑫羽、吴茜、任妮、周玲莉、程雅雯、胡安琦、戚超(江苏省农业科学院农业信息研究所/淮阴工学院)提出基于改进YOLOv10的轻量级串番茄成熟度目标检测模型LampCT-YOLO:在主干网络引入SegNeXt注意力机制,基于梯度的全局通道重要性方法LAMP通道剪枝显著压缩模型体积和计算复杂度。LampCT-YOLO对红熟早/中/晚期mAP分别达84.6%/89.5%/88.4%,应用LAMP通道剪枝后参数量和计算量分别减少63.07%和50.06%,推理速度提升23.1%;部署至自主研发的果蔬巡检机器人在边缘设备NVIDIA Jetson AGX Orin上达到9.1帧/s推理速度。