轻量化GSP-YOLO实时杂草识别模型——激光除草场景97.74%精确率、41 FPS推理速度
南京市农业机械化研究所刘赛赛等在Smart Agricultural Technology发表GSP-YOLO模型——基于YOLOv8s的轻量化杂草实时检测系统。该模型将YOLOv8s标准骨干替换为GhostNetV3,并集成空间-通道注意力模块(SCSA),提升对小型、形态相似杂草幼苗的识别能力。在NIAM9weeds数据集上达97.74%精确率,优于YOLOv5n和YOLOv10s等轻量化模型,模型大小减少近30%,计算需求减少超过30%。在边缘设备上通过TensorRT加速,处理速度41 FPS,可支持以步行速度移动的激光除草机器人。温室试验中,系统在0.72 km/h速度下达93.4%杂草识别准确率,平均275毫秒/株完成除草,作物损伤率低于3.4%。