卷积与 Transformer 检测器在番茄园地杂草检测中的评估
计算机视觉与模式识别
2026-05-26 v2
摘要
本文对卷积和基于 Transformer 的目标检测架构进行了比较评估，旨在实现番茄园地中对杂草的早期检测。考虑了每种范式中代表性的模型，包括 YOLOv26-nano 这一最新版本，以及 RT-DETR Large 和 RF-DETR Medium 作为基于 Transformer 的架构。该评估基于 GROUNDBASED_WEED 数据集进行，考虑六类杂草以及一个对应于未识别植物的额外类别，允许就检测准确度和计算效率使用诸如精确率、召回率、平均精度和推理速度等指标进行评估，同时采用非参数统计检验。结果突显了效率与上下文建模之间的明确权衡：基于 CNN 的检测器在较低计算成本下实现高性能，而基于 Transformer 的方法在捕获全局上下文方面表现更好，但资源需求更高。这些结果为在精密农业应用中进行模型选择提供了实用依据。
引用
@article{arxiv.2605.00908,
title = {Evaluation of Convolutional and Transformer-Based Detectors for Weed Detection in Tomato Plantations},
author = {Alcides Toledo Espinosa and Gerardo Antonio Álvarez Hernández and Ángel Eduardo Zamora-Suárez and Miguel Bolaños and Juan Irving Vásquez},
journal= {arXiv preprint arXiv:2605.00908},
year = {2026}
}
备注
7 pages, 3 figures, and 1 table