轻量化山楂检测模型

边缘设备实时识别

以2.46 MB模型在果园遮挡与重叠场景中实现高精度检测，可直接部署于采摘机器人边缘设备。

Ma, Baojian · Bangbang, Chen · Liqiang, Wang · 王冬云

Sensors 2025

参数信息

mAP

95.6 %

精度

91.6 %

召回率

90.1 %

模型大小

2.46 MB

参数量

1.2 million

计算量

4.8 GFLOPs

技术优势

模型轻巧

模型大小仅2.46 MB，参数量120万，計算量4.8 GFLOPs，适合部署在资源受限的边缘设备。

精度够用

在重叠和遮挡的果园环境下仍保持91.6%精度、90.1%召回率，mAP达95.6%，满足实际采摘需求。

边缘实时

在NVIDIA Jetson Xavier NX上实地测试证实了实时性能，可直接用于采摘机器人。

应用场景

• 采摘机器人视觉：让采摘机器人在果园中实时识别重叠和遮挡的山楂，提升自动化采摘效率。
• 边缘智能感知：将轻量模型部署在Jetson Xavier NX等边缘设备上，实现果园现场实时推理，无需云端。
• 农业自动化：为果园自动化管理提供高精度视觉检测，减少人工巡检和采摘成本。