您当前的位置:
首页 >
文章列表页 >
基于CEF-YOLOv11的智能采摘枸杞成熟度识别方法研究
基于CEF-YOLOv11的智能采摘枸杞成熟度识别方法研究
CEF-YOLOv11 method for wolfberry ripeness recognition in smart harvesting
- “研究人员基于YOLOv11网络框架提出改进的枸杞果实成熟度智能识别方法,通过嵌入CBAM注意力模块、采用Focal Loss与EIoU损失优化,使模型召回率达90.8%、mAP50达90.9%,为采摘机器人视觉系统开发提供技术依据。”
- 中国农业大学学报 2026年31卷第8期 页码:172-182
DOI: 10.11841/j.issn.1007-4333.2026.08.15
录用:2026-04-07
移动端阅览
AI导读
HTML全文
图( 5 ) 表( 4 )
参考文献
出版信息
数据统计
27
浏览量
22
下载量
0
CSCD
文章被引用时,请邮件提醒。
提交
工具集
- BibTeX下载
- Endnote下载
- RefMan 下载
- NoteExpress下载
- NoteFirst下载
相关文章
深度学习驱动的土壤信息感知技术:进展、挑战与展望
基于深度学习的半监督图像标注系统设计与实现
基于轻量化YOLOv4的生猪目标检测算法
中国智慧农业发展水平测度与组态路径
基于改进MobileViT的观赏鱼品种分类模型研究
相关作者
刘楠
李佳怿
杨玮
李民赞
胡明玉
夏雪
杨晨雪
曹景军
相关机构
中国农业大学 智慧农业系统集成研究教育部重点实验室/ 农业农村部 农业信息获取技术重点实验室
农业农村部农业大数据重点实验室
中国农业科学院 农业信息研究所
天津城建大学 计算机与信息工程学院
天津农学院 计算机与信息工程学院


