YOLO算法在动植物表型研究中应用综述

• 全文链接
• 请求原文

作   者：

翟肇裕;  张梓涵;  徐焕良;  王海清;  陈曦;  杨陈敏; 

作者机构：

南京农业大学人工智能学院; 

关键词：

YOLO;  关键点检测;  动植物表型;  目标分割;  目标检测;  轻量化; 

期刊名称：

农业机械学报

i s s n：

1000-1298

年卷期：

2024 年 55 卷 011 期

页   码：

1-20

摘   要：

动植物表型是动植物特征与性状的定量描述,表型特征的精准计算与分析是推进数字农业发展的重要基础.得益于深度学习技术的迅猛发展,以YOLO系列算法为代表的计算机视觉模型在动植物表型分析任务中展现出了优良性能和巨大潜力.以家畜类、家禽类、作物类、果蔬类等动植物为对象,分别从目标检测、关键点检测、目标分割3方面概述了 YOLO系列算法应用研究进展.最后指出YOLO系列算法未来发展趋势,包括轻量化架构设计、小目标精准检测、弱监督学习、复杂场景部署、大模型目标检测等.