YOLOv8n香蕉甲虫损伤检测框架发布
发生了什么
据arXiv cs.LG报道，研究提出基于YOLOv8n的轻量化深度学习框架，用于定位香蕉并分类其可见表面状况为健康或不健康。该模型在孟加拉国本地市场图像构建的2,473张自定义数据集上训练，测试集F1-score达77.67%，mAP@0.50为87.04%。模型检查点仅占5.96 MB，在NVIDIA Tesla T4上的推理延迟为6.54 ms/张，优于YOLOv8s。
- F1-score
- 77.67%
- 推理延迟
- 6.54ms/image
报道与来源
1 篇发布方数量不等于独立核验数量。同稿的多个入口保留在对应报道中。
来源关系与证据边界
按已记录的来源角色展示；连线仅表示原生身份流程确认的同稿入口，不表示独立佐证或跨报道引用。
- 一手材料1 个发布入口