基于深度学习的木薯垄间分类与视觉伺服:面向大田收获机器人
用改进EfficientNet++分类木薯叶、垄、茎并驱动视觉伺服,助收获机器人沿垄行走。
在尼日利亚农田自建10741个区域并合成1万对图像,测试宏平均F1为89.9%、MCC为0.848,垄类精确率93.0%,可作为木薯收获机器人视觉导航的基线参考,但尚未见田间实机作业验证。
关键词 · 相关资讯与研究
沿着“视觉伺服”继续探索,共 1 条内容。
用改进EfficientNet++分类木薯叶、垄、茎并驱动视觉伺服,助收获机器人沿垄行走。
在尼日利亚农田自建10741个区域并合成1万对图像,测试宏平均F1为89.9%、MCC为0.848,垄类精确率93.0%,可作为木薯收获机器人视觉导航的基线参考,但尚未见田间实机作业验证。
研究非结构化农田的视觉感知、深度学习导航线识别与多传感器融合定位,结合模型预测路径跟踪与导航-作业协同控制,田间试验验证其精度与鲁棒性。
提出深度学习导航线识别与多传感器融合定位、模型预测路径跟踪及导航-作业协同控制的组合方案,并以田间试验验证精度与鲁棒性;适用边界为非结构化农田场景,具体数据规模与对比基线需查原文。
总投资4984万元的华中微生物农药综合评价中心正式落户湖北省农科院,这是全国布局建设的两家生物农药评价中心之一,旨在为微生物农药的市场准入建立一套专门的质量标准和评价体系。项目规划建设3个以上评价研究子平台,构建一个包含50多株生产菌种的活体库和基因库,为每一株菌种建立可追溯的"身份档案";建立分析检测、环境安全评价、田间药效评价等6至8项新方法;湖北将形成"种质资源保存—新产品研发创制—统一评价检测"的完整链条。
提出MHSF-DETR棉花叶片病害检测模型,提升精度并降低参数量与计算量。
综述188项研究,从具身智能视角分析温室高价值作物智能采收的系统集成瓶颈。
综述水下光学图像中的小目标检测,梳理问题、数据集、算法,并展望未来方向。
9月2日下午上海农科院信息所举办"AI时代的智慧农业与植物表型"专题学术报告会,特邀中国农业大学教授、博士生导师、作物表型三维仿真首席科学家马韫韬作专题学术报告。马韫韬重点介绍了棉花育种表型研究进展,基于DINO视觉大模型实现棉铃精准分割与最佳集中收获期量化,首创无人机交叉环绕飞行三维重建技术,为棉花机采化育种、产量预测与基因挖掘提供高效技术手段。
提出视觉引导的双盘气吸排种器多执行器协同补种系统,实现场景自适应决策与动态时序控制。
江苏省农科院已涌现近 20 个农业大模型及智能体投入研发或应用,数量和密度居全国前列。新能源设施农业创新团队的"光伏慧农"模型可在不同地区、不同作物条件下输出光伏板倾斜角度、板间距,并平衡粮食产量与发电收益。农用新材料创新团队的"瑞雪"大模型整合全国 2800 余个县域的长时序气象与土壤数据,是全球地膜领域首个垂直大语言模型。经济作物研究所联合浙江大学共同研发的"豆好"智能体已发布。国家食用豆产业技术体系首席科学家、省农科院副院长陈新表示,育种时间可缩短到两三年。