参数减半精度提升
通过知识蒸馏将大模型能力迁移到轻量网络,在复杂养殖环境中实现高精度鸡只检测,适合边缘设备部署。
Xiaoxin, Li · Mingrui, Cai · Zhen, Liu · Chengcheng, Yin · Xinjie, Tan · Jiangtao, Wen · Han, Yuxing
Artificial Intelligence in Agriculture 2026
相比 YOLOv8n,参数量降低 47.84%,计算量降低 41.46%,更适合边缘设备部署。
蒸馏后的轻量模型在测试集 AP50 达到 95.9%,比原始 YOLOv8n 提高 16.13 个百分点。
在三个独立测试集上 AP50 分别达到 90.2%、82.7%、69.3%,证明模型能适应不同养殖环境。