YOLO26s
PulseAugur coverage of YOLO26s — every cluster mentioning YOLO26s across labs, papers, and developer communities, ranked by signal.
-
新型量子-经典模型以更少参数提升声纳目标检测性能
研究人员开发了Quantum-Gated LiteSSD，这是一种用于前视声纳目标检测的新型混合量子-经典框架。与YOLO26s和SSD-VGG16等现有探测器相比，该模型显著减少了参数数量，同时在基准数据集上保持了具有竞争力的准确性。该框架将量子处理重新构建为用于空间特征调制的通道门控机制，使其适用于嵌入式系统部署。
-
AI框架赋能边缘硬件实时水果检测
研究人员开发了一个用于嵌入式硬件（特别是NVIDIA Jetson Orin Nano Super）上实时水果检测和视频分析的框架。该系统利用在各种水果数据集上训练的轻量级YOLO26s检测器，并使用PyTorch和TensorRT进行优化以实现高效部署。时间分析使用APPLE MOTS进行多目标跟踪和唯一水果计数，并集成到NVIDIA DeepStream管道中。该框架实现了高帧率，并证明了基于边缘的水果监测的可行性，尽管性能会因采…
-
AI工作流程筛查南非食品的钠含量合规性
研究人员开发了一种支持OCR的工作流程，用于根据监管限值筛查南非包装食品的钠含量。该系统结合了区域检测、光学字符识别和视觉-语言模型，以对产品进行分类并识别属于R214范围之内或之外的产品。对442种产品的评估表明，集成工作流程和独立的Qwen2.5-VL 7B模型在类别分配和范围确定方面取得了高度一致，证明了基于图像的自动化筛查在食品安全法规管理方面的潜力。
-
新型AI模型提升温室番茄采摘自动化水平
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。