PulseAugur
中
实时 16:56:21
English(EN) Cotton-SF YOLO: Learning Structural and Frequency Cues for Early Cotton Square Detection in Complex Field Environments

新的YOLO模型通过结构和频率线索增强棉花蕾检测能力

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员开发了一个名为Cotton-SF YOLO的新目标检测框架，旨在复杂田野环境中准确识别棉花蕾。该模型集成了动态蛇形卷积以更好地捕捉棉花蕾的微小、不规则边界，并采用频域特征调制模块来增强判别性边缘和纹理线索。在Newly created dataset上进行测试，Cotton-SF YOLO相较于基线YOLO26m表现出性能提升，实现了更高的mAP和召回率。 AI

影响 这项研究通过实现对棉花生长更准确的自动化监测，有可能改善精准农业。

排序理由 该集群包含一篇详细介绍新模型及其在特定任务上性能的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.CV 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →

新的YOLO模型通过结构和频率线索增强棉花蕾检测能力

报道来源 [1]

  1. arXiv cs.CV TIER_1 English(EN) · Chengjia Zhang, Yu Li, Feiri Ali, Yan Zhang, Xin Chen, Longke He, Daokun Ma, Liting Gao ·

    Cotton-SF YOLO：在复杂田野环境中学习结构和频率线索以进行早期棉花蕾检测

    arXiv:2607.14445v1 Announce Type: new Abstract: Cotton squares are important phenotypic indicators of the early reproductive growth of cotton, and automatic field detection of cotton squares provides an important basis for cotton growth monitoring and precision cultivation manage…

相关话题