arXiv 2026-10-21·10月21日 · 周三论文农业人工智能与决策模型阅读 0
基于混合卷积Transformer与知识自蒸馏的香蕉品种跨等级分类泛化增强
论文解读
56未达精选线
速览
提出混合卷积Transformer加知识自蒸馏，提升香蕉品种跨等级分类泛化能力。
方法
31678张图像、三品种三等级，留一等级交叉验证，对比CNN、ViT与双流架构。
发现
混合模型加自蒸馏平均准确率81.25%，优于卷积网络和视觉Transformer基线。
机会点
可探索知识自蒸馏在更多农产品跨域分级中的应用，并研究轻量化部署与真实分拣场景验证。
影响力8
信息增量18
专业深度16
信源权威6
时效性8
预印本提出混合卷积Transformer与知识自蒸馏方法，在香蕉品种跨等级分类上取得81.25%准确率，方法有增量但属细分技术进展，未同行评审，公共影响有限。
原文摘要
预印本，未同行评审。针对香蕉品种分类中训练等级与实际品质等级的域偏移，用31678张图像、三个品种三个等级数据并采用留一等级交叉验证，比较卷积网络、视觉Transformer与双流架构；提出的混合模型加自蒸馏平均准确率达81.25%，优于两类基线。
信源（1 个）