PulseAugur
中
实时 13:27:30
English(EN) YOLO26-RipeLoc Lite: A lightweight architecture for tomato ripeness detection and picking point localization in greenhouse robotic harvesting

新型AI模型提升温室番茄采摘自动化水平

作者 PulseAugur 编辑部 · [2 个来源] ·

研究人员开发了YOLO26-RipeLoc Lite，这是一种专为温室自动化采摘设计的新型轻量级深度学习架构。该模型能够同时检测成熟的番茄、对其成熟度进行分类，并精确定位机器人采摘点。它采用了轻量级特征金字塔网络和成熟度感知注意力模块等新组件，在显著减少参数数量的同时提高了性能。 AI

影响 该模型有望显著提高农业领域自动化采摘系统的效率和精度。

排序理由 该集群描述了一篇研究论文，其中详细介绍了一种用于特定应用的新型AI模型架构。

在 arXiv cs.CV 阅读 →

AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →

新型AI模型提升温室番茄采摘自动化水平

报道来源 [2]

  1. arXiv cs.CV TIER_1 English(EN) · Rajmeet Singh, Manveen Kaur, Shahpour Alirezaee, Irfan Hussain ·

    YOLO26-RipeLoc Lite：用于温室机器人采摘的番茄成熟度检测和采摘点定位的轻量级架构

    arXiv:2605.27129v1 Announce Type: new Abstract: In greenhouse tomato production, automated harvesting requires accurate detection of ripe tomatoes, ripeness classification, and precise picking-point localization for robotic end-effectors. This paper proposes YOLO26-RipeLoc Lite, …

  2. arXiv cs.CV TIER_1 English(EN) · Irfan Hussain ·

    YOLO26-RipeLoc Lite：用于温室机器人采摘的番茄成熟度检测和采摘点定位的轻量级架构

    In greenhouse tomato production, automated harvesting requires accurate detection of ripe tomatoes, ripeness classification, and precise picking-point localization for robotic end-effectors. This paper proposes YOLO26-RipeLoc Lite, a lightweight deep learning architecture based o…

相关实体

相关话题