更新时间:2026-06-22
    • 基于改进YOLOv5s的玉米田间杂草检测方法

    • Corn field weed detection method based on improved YOLOv5s

    • “研究团队针对玉米田间杂草检测实时性不足、模型复杂及部署困难等问题,提出基于改进YOLOv5s的检测方法,通过嵌入轻量化GhostNetV3模块、引入CA注意力机制与EIoU损失函数,实现了模型轻量化与检测精度的双重提升,为智慧农业杂草识别提供了高效解决方案。”
    • 王宁 ,尚忠 ,陈康 ,吕昊暾 ,贾麟 ,姚渝
    • 中国农业大学学报 2026年31卷第2期 页码:192-204
    • DOI: 10.11841/j.issn.1007-4333.2026.02.17     

      中图分类号:

    移动端阅览

  •  
  •  
  • AI导读

  • HTML全文

  • 图( 5 ) 表( 6 )

  • 参考文献

  • 出版信息

  • 数据统计

55

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

基于CEF-YOLOv11的智能采摘枸杞成熟度识别方法研究
基于改进DeepLabV3+的玉米杂草密度提取方法研究
基于残差神经网络的水稻氮磷钾元素营养诊断
基于群体图像识别的生菜鲜重估算方法研究
基于支持向量机的小麦条锈病和叶锈病图像识别

相关作者

李振波
张涵钰
王彬茏
毛子昂
郝建军
王博奥
李媛普
马志凯

相关机构

中国农业大学 信息与电气工程学院/农业农村部农业信息化标准化重点实验室/农业农村部国家数字渔业 创新中心/农业农村部智慧养殖技术重点实验室/北京市农业物联网工程技术研究中心/ 农业农村部国家数字农产品流通创新分中心
北京市农林科学院 智能装备技术研究中心
河北省智慧农业装备技术创新中心
河北农业大学 机电工程学院
江西农业大学 计算机与信息工程学院