MDPI Agronomy 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
BiFormer-Enhanced YOLOv11n for Accurate Maize Ear Detection in Seed Production Fields(玉米穗识别 BiF-YOLO)
论文解读
74接近精选线
速览
提出BiF-YOLO模型，在制种田实现玉米穗精准检测。
方法
基于YOLOv11n，融合BiFormer、C3k2_AdditiveBlock
发现
BiF-YOLO有效适应复杂田间场景，提升遮挡和小目标玉米穗检测精度。
机会点
可探索轻量化模型在收获机边缘设备上的实时部署与产量估计集成。
影响力16
信息增量21
专业深度17
信源权威13
时效性7
面向制种玉米收获的轻量化检测模型改进，方法有针对性增强且数据来自真实制种田，对智能农机与产量估计有实用价值，但属细分技术进展，影响面有限。
原文摘要
青岛农业大学机电工程学院 2026 年 9 月 10 日在《Agronomy》(Section Precision and Digital Agriculture)发表。提出 BiF-YOLO 模型基于 YOLOv11n 和 BiFormer 架构,三项目标性增强策略:①在特征提取网络嵌入 C3k2_AdditiveBlock 模块以增强田间被遮挡和小型玉米穗的识别能力;②构建 C2BRA 双层路由注意力机制(Cross-stage partial 2 Bottleneck with Residual Attention)以抑制背景干扰;③采用 ShapeIoU 损失函数。从胶州和张掖种子生产田采集玉米穗图像。BiF-YOLO 模型有效适应复杂田间作业场景,为制种玉米收获机的实时识别与产量估计提供技术支撑。
信源（1 个）