MDPI Agriculture 2026-09-10·9月10日 · 周四论文农业人工智能与决策模型阅读 0
Lightweight Detection of Blueberries at Different Maturity Stages in Complex Orchard Environments(YOLOv12n+SHSA2C2f+知识蒸馏)
论文解读
80精选
速览
提出轻量YOLOv12n改进模型，实现复杂果园中多成熟期蓝莓的实时检测。
方法
4680张田间图像数据集，P2/P3/P4结构、SHSA2C2f模块与DINOv
发现
M4模型[email protected]达92.68%，仅0.79M参数，Jetson Orin Nano上15.9
机会点
可探索多作物通用轻量检测框架，或结合成熟度计数用于产量预测与采摘决策。
影响力18
信息增量23
专业深度18
信源权威13
时效性8
面向复杂果园的蓝莓成熟期轻量化检测研究，方法新颖、数据规模扎实且给出边缘部署实测性能，具备较高专业参考价值。
原文摘要
云南农业大学大数据学院联合云南省农业大数据工程技术研究中心 2026 年 9 月 10 日在《Agriculture》发表。针对小果、密集、遮挡、色彩过渡细微等复杂田间条件下的蓝莓成熟期检测难题,构建 4680 图像 60573 标注框田间数据集,重新设计 YOLOv12n 的 P3/P4/P5 检测结构为 P2/P3/P4 架构,引入轻量化 SHSA2C2f 单头自注意力特征增强模块,DINOv3 (ViT-S/16) 引导的非对称知识蒸馏。精度导向 M4 模型 [email protected] 达 92.68%±0.04%、[email protected]:0.95 86.38%±0.10%,参数量仅 0.79 M;经 TensorRT FP16 转换后保留 92.75% [email protected],可在 Jetson Orin Nano 上以 15.9 FPS 运行。