YOLO-o1:A Multi-factor Detection Model for Pitaya Based on YOLOv11n
Dieses Papier präsentiert YOLO-o1, ein erweitertes Multi-Faktor-Detektionsmodell auf Basis von YOLOv11n, das CBAM, Focal Loss, Label Smoothing und DIoU-Loss integriert, um gleichzeitig eine hochpräzise Erkennung von Stängelkrankheiten, Reifegradklassifizierung und Fruchtgrößenschätzung für Pitaya in Echtzeit-Agraranwendungen zu erreichen.
Originalarbeit lizenziert unter CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Dies ist eine KI-generierte Erklärung des untenstehenden Papers. Sie wurde nicht von den Autoren verfasst oder gebilligt. Für technische Genauigkeit konsultieren Sie das Originalpaper. Vollständigen Haftungsausschluss lesen
Ertrinken Sie in Arbeiten in Ihrem Fachgebiet?
Erhalten Sie tägliche Digests der neuesten Arbeiten passend zu Ihren Forschungsbegriffen — mit technischen Zusammenfassungen, in Ihrer Sprache.