[1]陈雪,谭峰,宁韶瞳,等.基于轻量级网络的玉米田间杂草识别方法[J].江苏农业科学,2025,53(20):194-202.
　Chen Xue,et al.A weed identification method for corn field based on lightweight network[J].Jiangsu Agricultural Sciences,2025,53(20):194-202.
点击复制

基于轻量级网络的玉米田间杂草识别方法()

《江苏农业科学》[ISSN:1002-1302/CN:32-1214/S]

卷:
第53卷
期数:
2025年第20期
页码:
194-202
栏目:
杂草智能检测
出版日期:
2025-10-20

文章信息/Info

Title:
A weed identification method for corn field based on lightweight network
作者:
陈雪; 谭峰; 宁韶瞳; 李孝晖
黑龙江八一农垦大学信息与电气工程学院，黑龙江大庆 163319
Author(s):
Chen Xue; et al
关键词:
玉米; 苗草识别; MobileNet v3; 目标检测算法
Keywords:
-
分类号:
S126；TP391.41
DOI:
-
文献标志码:
A
摘要:
为在自然环境下的玉米田间实现玉米幼苗与杂草的实时检测，提出一种基于轻量级网络的玉米田间杂草识别方法，该方法是在YOLO v5s网络的基础上引入适用于移动设备和边缘设备的轻量级卷积神经网络MobileNet v3，建立的YOLO v5s-MobileNet v3玉米杂草识别模型。对拍摄的包含玉米幼苗和杂草的图像进行数据增强预处理，以增强模型泛化能力，利用Bneck深度卷积神经网络架构提取特征，并使用随机梯度下降法优化训练模型。在对比试验中，分别将YOLO v5s的主干网络替换为EfficientNet v2和ShuffleNet v2，并选取传统的SSD、Faster R-CNN、YOLO v4等标准目标检测网络作为参照，进行全面的性能评估。结果表明，YOLO v5s-MobileNet v3识别模型大小为7.48 MB，在CPU上单张图像的推理时间为6.8 ms，识别精确率为88.0%，查全率为89.9%，均值平均精度为93.0%，F1分数为88.9%。模型能够快速识别与玉米贴近、交叉的杂草，可为田间拖拉机挂载式喷药和精准农业等领域，提供一种快速且准确的农作物与杂草检测与分类方法，以支持作物生长管理、田间变量施肥以及靶向喷药的技术需求。
Abstract:
-

参考文献/References:

［1］陈印军，王琦琪，向雁. 我国玉米生产地位、优势与自给率分析［J］. 中国农业资源与区划，2019，40(1)：7-16.
［2］唐秀玲. 北方春播玉米种植技术研究［J］. 科技创新与应用，2012(15)：246.
［3］魏改红. 浅谈玉米在农业结构调整中的地位、现状与发展［J］. 河南农业，2022(20)：62-64.
［4］王果，张晓，陈晓，等. 农药精准施用技术与装备研究现状及展望［J］. 中国农机化学报，2023，44(6)：68-73.
［5］张劲松，姚璐，金亚男. 东北平原地区智慧农业发展水平测度及耦合协调分析［J］. 黑龙江八一农垦大学学报，2023，35(5)：134-140.
［6］张艳刚，张小龙，解丽娜. 玉米穗虫绿色防控措施筛选试验［J］. 基层农技推广，2023，11(9)：19-22.
［7］吴坚，秦玉广. 基于改进YOLO v5的农田苗草检测方法［J］. 江苏农业科学，2024，52(13)：197-204.
［8］郭柏璋，牟琦，冀汶莉. 融合注意力机制的YOLO v5深度神经网络杂草识别方法［J］. 无线电工程，2023，53(12)：2771-2782.
［9］赵辉，曹宇航，岳有军，等. 基于改进DenseNet的田间杂草识别［J］. 农业工程学报，2021，37(18)：136-142.
［10］杨森森，张昊，兴陆，等. 改进MobileViT网络识别轻量化田间杂草［J］. 农业工程学报，2023，39(9)：152-160.
［11］徐艳蕾，何润，翟钰婷，等. 基于轻量卷积网络的田间自然环境杂草识别方法［J］. 吉林大学学报(工学版)，2021，51(6)：2304-2312.
［12］Laursen M S，Jrgensen R N，Midtiby H S，et al. Dicotyledon weed quantification algorithm for selective herbicide application in maize crops［J］. Sensors，2016，16(11)：1848.
［13］权龙哲，夏福霖，姜伟，等. 基于YOLO v4卷积神经网络的农田苗草识别研究［J］. 东北农业大学学报，2021，52(7)：89-98.
［14］袁洪波，赵努东，程曼. 基于图像处理的田间杂草识别研究进展与展望［J］. 农业机械学报，2020，51(增刊2)：323-334.
［15］王宇，黄春艳，郭玉莲，等. 春玉米田杂草防治关键期［J］. 黑龙江农业科学，2017(6)：33-36.
［16］Redmon J，Divvala S，Girshick R，et al. You only look once：Unified，real-time object detection［C］//2016 IEEE Conference on Computer Vision and Pattern Recognition (CVPR).Las Vegas，NV，USA，2016：779-788.
［17］何斌，张亦博，龚健林，等. 基于改进YOLO v5的夜间温室番茄果实快速识别［J］. 农业机械学报，2022，53(5)：201-208.
［18］宋怀波，王亚男，王云飞，等. 基于YOLO v5s的自然场景油茶果识别方法［J］. 农业机械学报，2022，53(7)：234-242.
［19］闫彬，樊攀，王美茸，等. 基于改进YOLO v5m的采摘机器人苹果采摘方式实时识别［J］. 农业机械学报，2022，53(9)：28-38，59.
［20］Razfar N，True J，Bassiouny R，et al. Weed detection in soybean crops using custom lightweight deep learning models［J］. Journal of Agriculture and Food Research，2022，8：100308.
［21］Zheng H T，Duan J C，Dong Y，et al. Real-time fire detection algorithms running on small embedded devices based on MobileNet v3 and YOLO v4［J］. Fire Ecology，2023，19(1)：31.
［22］Zhu X Z，Cheng D Z，Zhang Z，et al. An empirical study of spatial attention mechanisms in deep networks［C］//2019 IEEE/CVF International Conference on Computer Vision (ICCV).Seoul，Korea (South).IEEE，2019：6687-6696.
［23］高嘉南，侯凌燕，杨大利，等. 基于轻量级网络和数据扩增的作物与杂草识别［J］. 北京信息科技大学学报(自然科学版)，2022，37(1)：82-89，95.

相似文献/References:

[1]孙建伟.水涝胁迫对玉米细胞保护酶同工酶的影响[J].江苏农业科学,2013,41(04):85.
[2]刘荣,张卫建,齐华,等.密植型玉米“中单909”高产群体结构特征[J].江苏农业科学,2013,41(05):56.
　Liu Rong,et al.Study on high yield population structure of close planting maize cultivar “Zhongdan 909”[J].Jiangsu Agricultural Sciences,2013,41(20):56.
[3]沈浜凯,肖龙云,冯乃杰,等.黄腐酸和AM真菌对玉米幼苗抗旱性的影响[J].江苏农业科学,2013,41(05):64.
　Shen Bangkai,et al.Effects of fulvic acid and AM fungi on drought resistance of maize seedlings[J].Jiangsu Agricultural Sciences,2013,41(20):64.
[4]张金然,缑艳霞,孙丽鹏.固氮螺菌157对玉米、向日葵的促生长作用[J].江苏农业科学,2014,42(12):116.
　Zhang Jinran,et al.Effects of Azospirillum 157 on growth of maize and sunflower[J].Jiangsu Agricultural Sciences,2014,42(20):116.
[5]白小军,吴燕,牛艳,等.玉米中乙草胺和莠去津残留量GC-MS/MS分析法的建立[J].江苏农业科学,2014,42(11):334.
　Bai Xiaojun,et al().Establishment of GC-MS/MS analysis method of acetochlor and atrazine residues in maize[J].Jiangsu Agricultural Sciences,2014,42(20):334.
[6]邹晓威,王娜,刘芬,等.玉米抗病相关基因在玉米与玉米丝黑穗病菌、玉米黑粉病菌互作过程中的表达差异分析[J].江苏农业科学,2014,42(11):150.
　Zou Xiaowei,et al(0).Different expression of resistance-related genes between Sporisorium reilianum and Ustilago maydis interact with corn[J].Jiangsu Agricultural Sciences,2014,42(20):150.
[7]杨洪兴,陈静,陈艳萍.江苏省玉米机械化生产的发展及育种对策思考[J].江苏农业科学,2014,42(11):116.
　Yang Hongxing,et al().Development and breeding strategy of mechanized production of maize in Jiangsu Province[J].Jiangsu Agricultural Sciences,2014,42(20):116.
[8]张丽妍,霍剑锋,孟繁盛,等.不同肥料、施肥水平及施用方法对玉米产量、性状及效益的影响[J].江苏农业科学,2014,42(11):119.
　Zhang Liyan,et al (9).Effects of different fertilizers，fertilizer levels and fertilizing methods on yield，characters and benefit of maize[J].Jiangsu Agricultural Sciences,2014,42(20):119.
[9]王雷,崔震海,张立军.玉米C4型PEPC全长基因的克隆与表达载体构建[J].江苏农业科学,2014,42(11):26.
　Wang Lei,et al().Cloning and expression vector construction of full-length C4 type PEPC gene in maize[J].Jiangsu Agricultural Sciences,2014,42(20):26.
[10]雷恩,赵光明,刘艳红.不同稀释浓度松土保水剂对玉米营养生长的影响[J].江苏农业科学,2013,41(06):77.
　Lei En,et al.Effect of different dilutions of super absorbent polymer on vegetative growth of maize[J].Jiangsu Agricultural Sciences,2013,41(20):77.

备注/Memo

备注/Memo:
收稿日期：2024-08-30
基金项目：国家重点研发计划(编号：2023YFD2301605)；黑龙江省重点研发计划指导类项目(编号：GZ20220020)；黑龙江省自然科学基金(编号：LH2023F043)；黑龙江省高等教育教学改革研究项目(编号：SJGY20210622)。
作者简介：陈雪(1998—)，女，贵州金沙人，硕士研究生，主要从事智慧农业、人工智能研究。E-mail：c2723176594@163.com。
通信作者：谭峰，博士，教授，主要从事农业物联网研究。E-mail：tf1972@163.com。
更新日期/Last Update: 2025-10-20