Frontiers in Plant Science | 2026-09·9月8日 · 周二论文农业遥感与作物表型阅读 0
Lightweight architecture optimization of YOLOv12n for improved cotton verticillium wilt detection
论文解读
76精选
速览
提出轻量模型YOLO-SCOD，实现棉花黄萎病精准检测。
方法
基于YOLOv12n，引入StarNet骨干、C3k模块与全维动态卷积。
发现
精度召回率达0.960和0.911，mAP提升6.436%，模型更轻更快。
机会点
可探索轻量模型在移动端或无人机实时病害检测中的部署与泛化。
影响力16
信息增量21
专业深度18
信源权威13
时效性8
基于YOLOv12n的轻量化检测模型在棉花黄萎病识别上兼顾精度与效率，方法新颖、数据扎实，对智慧植保具参考价值。
原文摘要
Frontiers in Plant Science 17:1822081（2026）。Ye Zhuang等基于YOLOv12n框架提出轻量精准检测模型YOLO-SCOD。引入StarNet架构作为骨干网；颈网络C3k模块集成通道聚合块；检测头用全维动态卷积替代深度卷积。精度和召回率分别提升至0.960和0.911，mAP50-95提升6.436%；参数量、FLOPs、模型大小分别减少13.728%、20.635%、12.727%，推理速度提升4.167%。