摘要
在农田里，杂草会伴随玉米苗生长，并与玉米苗形成竞争关系，导致玉米营养不 良，最终使玉米产量降低。因此，除草有利于保护玉米苗，从而保障玉米的产量。本 研究结合各种先进技术和农业生产规律，展开对玉米田杂草控制的研究，主要研究内 容如下: （1）根据玉米田杂草的片状生长规律，本研究设计了一套移动机器人精准喷洒 系统，可实现对杂草的精准喷洒。 （2）在出苗后，首次施药前，玉米田杂草密度大。为快速施药，本研究采用参 数量较小的YOLOv4-Tiny来检测玉米苗。YOLOv4-Tiny性能有限，不易检测两株相 距较近的玉米苗，其Recall仅为86.85％。因此，本研究对该网络进行了优化，在骨 干提取网络中融入了 ASPP结构，以扩大感受野，增强网络对全局信息的感知能力, 并在颈部网络中融入PAN结构，以增强网络对不同特征层信息的融合。优化后的 YOLOv4-Tiny,Precision、Recall、F1 Score 和 AP 分别为 96.73％、89.21％、0.93 和 95.91％,平均检测时间为13.94ms。 （3）在出苗和首次施药后，田中杂草密度有所下降。由于YOLOv4-Tiny预测框 的框选面积大于玉米苗自身面积，基于优化的YOLOv4-Tiny玉米苗快速检测模型会 降低后续杂草分割算法的精度，故提出了基于SCU-Net的玉米苗精准分割模型。 SCU-Net是在U-Net的基础上融入了空间注意力机制和通道注意力机制，以实现对玉 米苗更加完整、精确的分割，从而提高后续杂草分割算法的精度。训练后，SCU-Net 的 IoU、Recall、Precision 和 MPA 分别提高到了 84.82％、91.60％、91.98％、95.70％, 平均分割时间为55.21ms。 （4）以优化后的YOLOv4-Tiny和SCU-Net为基础，结合超绿指数（ExG）和大 津法（Otsu）,设计了基于优化的YOLOv4-Tiny和ExG快速杂草分割算法与基于 SCU-Net和ExG精准杂草分割算法，并提出了杂草密度计算方法，以指导移动机器 人施药。本研究将两种杂草分割算法部署在嵌入式设备中，进行了田间试验。试验结 果表明，部署了前一种杂草分割算法的移动机器人对大草块的平均喷准率为95.08％， 部署了后一种杂草分割算法的移动机器人对小草块或单株杂草的平均喷准率为 88.7％。
NETL