基于多尺度融合与动态特征交互的仓储环境马铃薯缺陷检测(MDS-DETR)
海南大学联合山东理工大学针对仓储马铃薯堆叠遮挡、缺陷形态差异大问题,构建黑斑、发芽、干腐等多类缺陷数据集,设计 MCF 上下文特征整合模块与 AIFI-DyMona 实例特征交互结构并引入 Shape-IoU 回归;MDS-DETR 以 14.2M 参数、42.9G FLOPs 取得 [email protected] 96.3%,集成于智能分拣机器人后真实仓储分拣准确率稳定超过 95%。
同时包含 农业机器人、智慧物流、深度学习、缺陷检测 的农业资讯，共 1 条。
海南大学联合山东理工大学针对仓储马铃薯堆叠遮挡、缺陷形态差异大问题,构建黑斑、发芽、干腐等多类缺陷数据集,设计 MCF 上下文特征整合模块与 AIFI-DyMona 实例特征交互结构并引入 Shape-IoU 回归;MDS-DETR 以 14.2M 参数、42.9G FLOPs 取得 [email protected] 96.3%,集成于智能分拣机器人后真实仓储分拣准确率稳定超过 95%。