PulseAugur
中
实时 01:12:25
English(EN) Resource-Constrained UAV-Based Weed Detection for Site-Specific Management on Edge Devices

无人机除草检测模型在准确性和速度之间取得平衡，适用于边缘设备

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员开发了一个框架，用于在资源受限的无人机上部署除草检测模型，以实现位点特异性管理。该研究评估了包括YOLO和RT-DETR变体在内的各种目标检测模型，这些模型部署在Jetson Orin Nano和Jetson AGX Xavier等不同的边缘设备上。结果表明，在检测准确性和计算效率之间存在权衡，高容量模型实现了更好的准确性但推理时间较慢。轻量级模型提供了实时性能，而RT-DETRv2-R50-M和YOLOv11s在实际无人机应用中成为平衡准确性和速度的有力候选者。 AI

影响 为农业领域实时边缘应用的AI模型部署优化提供了见解。

排序理由 这是一篇评估现有模型在特定应用中表现的研究论文。

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 →

无人机除草检测模型在准确性和速度之间取得平衡，适用于边缘设备

报道来源 [1]

  1. arXiv cs.CV TIER_1 English(EN) · Linyuan Wang, Haibo Yao, Te-Ming Tseng, Kelvin Betitame, Xin Sun, Hanbo Huang, Dong Chen ·

    面向边缘设备的资源受限无人机基站杂草检测用于位点特定管理

    arXiv:2604.23442v1 Announce Type: new Abstract: Weeds compete with crops for light, water, and nutrients, reducing yield and crop quality. Efficient weed detection is essential for site-specific weed management (SSWM). Although deep learning models have been deployed on UAV-based…

相关实体

相关话题