农业机械学报

作者：翟肇裕，张梓涵，徐焕良，王海清，陈曦，杨陈敏

单位：南京农业大学,南京农业大学,南京农业大学,南京农业大学,南京农业大学,南京农业大学,

关键词：YOLO;动植物表型;目标检测;关键点检测;目标分割;轻量化

基金：国家自然科学基金项目（32401697）、江苏省自然科学基金项目（BK20231004）和江苏省科技计划专项资金项目（BE2023369）

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。

来源：2024年第11期

《农业机械学报》期刊编辑部

查看农业机械学报杂志2024年第11期