基于改进YOLOv11n-seg的胡麻倒伏区域识别方法——兼顾精度与轻量化的智能化倒伏监测
针对胡麻倒伏区域识别难题,研究构建改进YOLOv11n-seg模型。改进后的模型在精确度和平均精度均值上分别达到92.6%和95.2%,较原始YOLOv11n-seg模型分别提升3.7个百分点和2.1个百分点。模型参数量仅为1.73 M,计算量为8.0 GFLOPs,模型体积仅为3.8 MB,显示出较好的轻量化优势。该方法兼顾精度与轻量化,为智能化胡麻倒伏监测与实际田间设备部署提供了技术基础。
同时包含 实例分割、智慧农业、胡麻倒伏、轻量化 的农业资讯,共 1 条。
针对胡麻倒伏区域识别难题,研究构建改进YOLOv11n-seg模型。改进后的模型在精确度和平均精度均值上分别达到92.6%和95.2%,较原始YOLOv11n-seg模型分别提升3.7个百分点和2.1个百分点。模型参数量仅为1.73 M,计算量为8.0 GFLOPs,模型体积仅为3.8 MB,显示出较好的轻量化优势。该方法兼顾精度与轻量化,为智能化胡麻倒伏监测与实际田间设备部署提供了技术基础。