论文解读

AI 辅助整理
方法
改进EfficientNet++,尼日利亚农田10741区域加1万合成图像,30
发现
宏平均F1达89.9%、MCC为0.848,垄类精确率93.0%。
机会点
可探索多作物垄间泛化、真实田间光照干扰下的轻量化实时部署与伺服鲁棒性。

论文摘要

面向木薯收获机器人沿垄行走,改进EfficientNet++分类叶、垄、茎并驱动视觉伺服。尼日利亚农田裁出10741个区域,另合成1万对图像;3003样本测试宏平均F1为89.9%、MCC为0.848,垄类精确率93.0%。

论文原文与出版信息

MDPI Agriculture
查看论文原文

继续探索