Lightweight Hybrid CNN-Transformer Network for Robust Maize Leaf Disease Detection and Edge Deployment
构建轻量MobileNetV3-Small框架实现玉米叶片病害分类并评估边缘部署。
阅读 6
关键词 · 相关资讯与研究
#MobileNetV2
沿着“MobileNetV2”继续探索，共 0 条内容。
你可能还想看
没有这个标签，内容接近基于无人机影像与YOLOv12n-RCL的向日葵成熟期盘腐病危害程度检测
山东理工大学等单位李京谦、韩国涛、赵静、张帅领、谢欣妤、付姗姗、鲁力群、兰玉彬在《农业工程学报》2026年第42卷第9期发表论文。该研究提出基于改进YOLOv12n的向日葵成熟期盘腐病危害程度检测模型,首先将主干和颈部网络的C3K2模块替换为融合感受野注意力卷积(RFAConv)与坐标注意力机制(CA)的C3K2-RC模块;其次在颈部网络集成轻量级的上采样算子CARFAE;最后引入LSCSBD(lightweight shared convolutional separable batch normalization detection)检测头。试验结果表明,YOLOv12n-RCL模型的精确率、召回率、mAP0.5和mAP0.5-0.95分别达到83.4%、81.2%、84.8%和50.2%,较基准模型YOLOv12n分别提高3.8、3.2、3.4和4.0个百分点。
阅读 8
CD-YOLO: 基于改进YOLOv11s的田间胡萝卜苗检测方法
刘浩然、王宇、赵学观、吴华瑞、付豪、庞树杰、翟长远(北京市农林科学院智能装备技术研究中心/国家农业智能装备工程技术研究中心)针对枝叶遮挡下田间胡萝卜苗精准识别难题,提出基于改进YOLOv11s的轻量化检测方法CD-YOLO:将主干网络部分标准卷积替换为深度可分离卷积降低模型复杂度,在C3k2模块引入高效多尺度注意力机制EMA构建C3k2_EMA模块增强关键特征动态感知,采用动态检测头强化多尺度特征融合与感知,显著提升检测鲁棒性。
阅读 10
WheatNet 复杂麦田麦苗检测与计数的轻量化网络
提出轻量级WheatNet网络，实现复杂麦田麦苗检测与计数。
阅读 0
Efficient and explainable attention-based multitask learning for fruit type, ripeness, and disease classification
提出轻量多任务模型，同时分类水果种类、成熟度和病害，并具可解释性。
阅读 4
An Explainable Software-Based Framework for Pre-Symptomatic Grape Disease Risk Assessment Using MobileNetV2, Grad-CAM, and Weather Data
提出可解释软件框架，融合叶片图像与气象数据实现葡萄病害症状前风险评估。
阅读 1
Knowledge Distillation for Hybrid CNN–Vision Transformer Architectures: A Systematic Review
系统综述2015-2026年混合CNN-ViT架构的知识蒸馏方法，按迁移方向、知识类型和应用领域分类
阅读 0
Convolutional Neural Network Based on Transfer Learning for Pest Classification in Chili Plant
提出基于MobileNetV2迁移学习的轻量模型，实现辣椒七种害虫高精度分类。
阅读 0