近日，中国热科院农机所在甘蔗节点智能检测技术领域取得新进展。研究团队提出了一种轻量化、高精度的甘蔗节点检测方法——Slim-Sugarcane，并结合TensorRT框架成功实现在边缘设备上的高效部署，研究成果为甘蔗智能化种植与精准农业提供了创新性解决方案。
              甘蔗是全球重要的糖料作物和可再生能源来源，中国作为世界甘蔗生产大国，其种植面积和产量均位居前列。甘蔗节点的精准检测是实现智能化切种和自动化种植的关键前提。然而，现有检测方法普遍存在模型体积大、计算资源需求高、边缘部署困难等问题，严重制约了其在田间实际场景中的应用。

　　针对上述挑战，研究团队提出了一种基于深度学习的轻量化甘蔗节点检测框架Slim-Sugarcane。该方法通过引入GSConv混合卷积模块替代传统标准卷积，显著降低了计算复杂度；同时设计了一种单阶段聚合策略的跨阶段局部网络模块（VoV-GSCSP），有效减少了结构冗余并提升了特征表达能力。研究进一步采用TensorRT框架对模型进行量化加速，通过FP16精度优化，在NVIDIA Jetson Orin NX边缘设备上实现了毫秒级响应，为甘蔗田间实时检测提供了可靠的技术支持。实验结果表明，Slim-Sugarcane模型在测试集上的精确度达到0.922，召回率为0.802，mAP为0.852，单帧推理时间仅60.1毫秒，GPU内存占用为1434 MB。与现有方法相比，该模型在保持高精度的同时，显著提升了计算效率，为复杂自然环境下的甘蔗节点检测提供了轻量化、高性能的解决方案。

Slim-Sugarcane网络量化加速部署前后模型性能表现　       

Tab.4  Comparison of model performance before and after deployment.　

　　该研究成果以“Slim-Sugarcane: a lightweight and high-precision method for sugarcane node detection and edge deployment in natural environments”为题发表于《Frontiers in Plant Science》。中国热科院农机所韦丽娇副研究员和王槊助理研究员为论文共同第一作者，中国热科院农机所华元刚研究员、黄伟华副研究员和郑镇辉青年副研究员为共同通讯作者。该研究得到海南省重点研发计划、中央级公益性科研院所基本科研业务费和广西重点研发计划等项目的资助。

　　论文链接：https://www.frontiersin.org/journals/plant-science/articles/10.3389/fpls.2025.1643967/full