Raspberry Pi Lightweight Deep Learning Models Deployed for Corn Growth Stage Classification Using PhenoCam Images
用PhenoCam图像训练轻量深度学习模型,在树莓派上实时分类玉米8个生长阶段。
同时包含 农业人工智能、边缘计算 的农业资讯,共 42 条。
用PhenoCam图像训练轻量深度学习模型,在树莓派上实时分类玉米8个生长阶段。
提出边缘计算与深度学习结合的遥感图像分类方法,用改进3D CNN实现低延迟高精度土地覆盖识别。
综述SDN/NFV赋能的空天地一体化网络智能资源管理,并关联智慧农业与智慧育种。
提出轻量MobileNetV2结合梯度显著性实现边缘端植物病害早期可解释检测。
提出端边云协同的水稻秧苗群体表型识别与诊断方法,用于垂直育秧场景。
提出边缘部署的温室串番茄采摘机器人,融合改进YOLOv8n检测与ROS分布式控制。
提出轻量混合架构SpatioFormer,提升复杂环境下农作物病虫害检测的空间感知能力。
提出基于边缘AI的宠物监测框架,用树莓派和YOLOv9识别兔子行为与环境。
提出基于神经细胞自动机的轻量单目深度估计模型,在嵌入式系统上实现实时推理。
提出共享序数-异常描述子场,实现树上库尔勒香梨实时分级。
提出轻量网络AgroVisNet与BD-PlantDX数据集,实现手机端作物病害高精度识别。
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。
提出轻量卷积网络AgroVisNet及萝卜、马铃薯、葫芦病害诊断基准BD-PlantDX。
提出RAST-Net,用注意力自监督对比深度学习实现SAR图像实时去斑。
在ESP32微控制器上训练并部署轻量CNN多类图像分类模型,实现无云端的嵌入式视觉。
提出EdgeHatch,在边缘设备上用机器学习检测鸡蛋孵化阶段。
提出自适应AI决策支持系统,用轻量网络与特征优化实现精准农业实时图像分析与决策。
提出AgroInsect边缘-云混合AI架构,实现农田害虫精准检测与地统计插值。
提出轻量级火鸡重识别模型,提升密集圈舍中个体追踪精度并降低计算成本。
研究榴莲病害边缘检测系统的数据集泄漏与热关断问题,提出占空比调度方案。