山区农田中的病害识别面临巨大挑战，原因是地形破碎、照明异质、作物种类多样以及边缘设备计算能力有限。为解决这些限制，本研究开发了一种轻量化的MobileNet–YOLOv7融合架构，优化用于资源有限农业环境中的实时病害检测。拟议骨干用增强的MobileNet取代了原有的ELAN结构，该网络具备深度可分卷积和L1范数驱动的动态通道剪枝，有效保留高频病变线索，同时减少参数冗余。嵌入中深阶段的轻量级多尺度

DataCite Commons2025-11-30 更新280

Crop-Maturity-Recognition

作物成熟度

轻量化模型

Hybrid-MobileNetV2-KAN-Model-for-Crop-Maturity-Recognition项目所使用的数据集本项目开发了一种轻量化的农作物成熟度识别模型，结合了 MobileNetV2 和 Kolmogorov-Arnold Network (KAN)。该模型利用 MobileNetV2 作为特征提取的主干网络，KAN 模块则增强了模型处理农作物成熟度数据中复杂非线性关

阿里云天池2026-07-13 更新90

datawhale_quantitative_model_prediction_challenge

资源简介：

相关数据集