关键词 · 相关资讯与研究
沿着“YOLO26”继续探索，共 0 条内容。
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。
YOLO-Gr: An AIoT-Enabled Mobile–Edge–Cloud Framework with an Improved YOLO26 for Real-Time Grapevine Disease Detection and Smart Vineyard Monitoring。Smart Agricultural Technology
该研究将改进YOLO26部署于移动-边缘-云协同架构，实现葡萄藤病害实时识别；其精度与边缘端推理时延数据是判断能否落地 vineyard 场景的关键，需核对数据集规模与田间验证条件。
赵丽成、卢鑫羽、吴茜、任妮、周玲莉、程雅雯、胡安琦、戚超(江苏省农业科学院农业信息研究所/淮阴工学院)提出基于改进YOLOv10的轻量级串番茄成熟度目标检测模型LampCT-YOLO:在主干网络引入SegNeXt注意力机制,基于梯度的全局通道重要性方法LAMP通道剪枝显著压缩模型体积和计算复杂度。LampCT-YOLO对红熟早/中/晚期mAP分别达84.6%/89.5%/88.4%,应用LAMP通道剪枝后参数量和计算量分别减少63.07%和50.06%,推理速度提升23.1%;部署至自主研发的果蔬巡检机器人在边缘设备NVIDIA Jetson AGX Orin上达到9.1帧/s推理速度。
结合DINOv3与YOLO26提升蔬菜田间作物与杂草检测精度，助力精准除草。
提出YOLOv8-MST轻量算法，实现双粒花生播种实时检测与计数。
开发便携式YOLOv5鱼苗实时检测系统，结合浊度传感校正，用于废弃锡矿塘浑浊水体中的罗非鱼苗计数。
谢俊华、王森、杨其长(中国农业科学院都市农业研究所)针对植物工厂长期受高资本投入、高电力依赖和市场价值实现不足约束的问题,以公开数据较充分的植物工厂生菜原型为研究对象,构建作物、控制、能源及市场耦合的经济脆弱性诊断框架,并在国内情景下设置27个确定性情景。研究表明,27个情景中仅有5个实现正利润(占比18.5%);常规电网型与高值直供市场基准比较情景下,控制成熟度由基础控制提升至闭环智能后利润由-258.36增至518.04元/(m2·年),跨越盈亏平衡点,改善幅度是原亏损额的3倍左右。
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。
