|本期目录/Table of Contents|

[1]徐国钦,黄明凤,黄建平.基于改进语义分割模型的无人机多光谱图像杂草分割[J].江苏农业科学,2022,50(12):212-220.
　Xu Guoqin,et al.Segmentation of UAV multispectral weed image based on improved semantic segmentation model[J].Jiangsu Agricultural Sciences,2022,50(12):212-220.
点击复制

基于改进语义分割模型的无人机多光谱图像杂草分割(PDF)
分享到：

《江苏农业科学》[ISSN:1002-1302/CN:32-1214/S]

卷:
第50卷
期数:
2022年第12期
页码:
212-220
栏目:
农业工程与信息技术
出版日期:
2022-06-20

文章信息/Info

Title:
Segmentation of UAV multispectral weed image based on improved semantic segmentation model
作者:
徐国钦; 黄明凤; 黄建平
东北林业大学机电工程学院，黑龙江哈尔滨150040
Author(s):
Xu Guoqin; et al
关键词:
杂草; 改进语义分割模型; 无人机; 多光谱; 图像分割; 植被指数
Keywords:
-
分类号:
TP391.41
DOI:
-
文献标志码:
A
摘要:
杂草与作物争夺肥料、阳光等养分，从而影响作物生长，快速有效地清除杂草危害对提高作物的产量和品质具有重要意义。传统的杂草防治方法常采取大面积喷洒除草剂等措施，无法满足智慧农业的精细化管理要求，精确、可靠的杂草检测是智能除草的关键。在卷积神经网络模型PANet的基础上进行改进，把原始特征提取网络ResNet替换为DenseNet-121，采用FPA模块提供像素级注意力信息，通过金字塔结构增加感受野。以无人机多光谱糖菜杂草图像为研究对象，分别构建近红外790 nm、红色690 nm和归一化植被指数NDVI的训练数据集进行网络训练。发现PANet的训练精度为97.38%，测试精度为93.41%；采用3通道(近红外790 nm+红色690 nm+NDVI)训练的模型F1值最高为0.872。结果表明，该方法可以实现无人机多光谱图像杂草的有效分割，可为农田杂草精确检测和农作物生长状况监测提供参考和借鉴。
Abstract:
-

参考文献/References:

［1］梁强. 人口与经济、环境协调发展问题研究［D］. 大连：东北财经大学，2010：25-28.
［2］周天勇，田博. 新形势下我国人口与粮食安全战略思考［J］. 中国经济评论，2021(7)：36-40.
［3］强胜.中国杂草生物学研究的新进展［J］. 杂草学报，2018，36(2)：1-9.
［4］张朝贤，钱益新，胡祥恩. 农田化学除草与可持续发展农业［J］. 农药，1998，37(4)：8-12.
［5］陈子文，张春龙，李南，等. 智能高效株间锄草机器人研究进展与分析［J］. 农业工程学报，2015，31(5)：1-8.
［6］傅雷扬，李绍稳，张乐，等. 田间除草机器人研究进展综述［J］. 机器人，2021，43(6)：751-768.
［7］刘成良，林洪振，李彦明，等. 农业装备智能控制技术研究现状与发展趋势分析［J］. 农业机械学报，2020，51(1)：1-18.
［8］马旭，齐龙，梁柏，等. 水稻田间机械除草装备与技术研究现状及发展趋势［J］. 农业工程学报，2011，27(6)：162-168.
［9］权龙哲，肖云瀚，王建宇，等. 智能除草装备苗草模式识别方法研究［J］. 东北农业大学学报，2018，49(9)：79-87.
［10］赵博，王宗甲，周鹏，等. 智能杂草识别系统的设计与试验(英文)［J］. 农业工程学报，2012，28(增刊2)：184-187.
［11］毛文华，王一鸣，张小超. 基于机器视觉的苗期杂草实时分割算法［J］. 农业机械学报，2005，36(1)：83-86.
［12］胡波，毛罕平，张艳诚. 基于二维直方图的杂草图像分割算法［J］. 农业机械学报，2007，38(4)：199-202.
［13］胡盈盈，王瑞燕，郭鹏涛，等. 基于近地光谱特征的玉米田间杂草识别研究［J］. 江苏农业科学，2020，48(8)：242-246.
［14］马兆敏，黄玲，胡波，等. 基于神经网络的杂草图像分割算法［J］. 计算机工程与应用，2009，45(24)：216-218.
［15］邓向武，齐龙，马旭，等. 基于多特征融合和深度置信网络的稻田苗期杂草识别［J］. 农业工程学报，2018，34(14)：165-172.
［16］何东健，乔永亮，李攀，等. 基于SVM-DS多特征融合的杂草识别［J］. 农业机械学报，2013，44(2)：182-187.
［17］赵川源，何东健，乔永亮. 基于多光谱图像和数据挖掘的多特征杂草识别方法［J］. 农业工程学报，2013，29(2)：192-198.
［19］刘忠伟，戚大伟. 基于卷积神经网络的树种识别研究［J］. 森林工程，2020，36(1)：33-38.
［20］Liu J，Wang X W. Plant diseases and pests detection based on deep learning：a review［J］. Plant Methods，2021，17(1)：22.
［21］温德圣. 深度学习在复杂特征杂草识别中的研究与应用［D］. 乌鲁木齐：新疆大学，2020：18-20.
［22］Sa I，Chen Z T，Popovic＇ M，et al. weedNet：dense semantic weed classification using multispectral images and MAV for smart farming［J］. IEEE Robotics and Automation Letters，2018，3(1)：588-595.
［23］姜红花，张传银，张昭，等. 基于Mask R-CNN的玉米田间杂草检测方法［J］. 农业机械学报，2020，51(6)：220-228，247.
［24］孙俊，谭文军，武小红，等. 多通道深度可分离卷积模型实时识别复杂背景下甜菜与杂草［J］. 农业工程学报，2019，35(12)：184-190.
［25］Khoshboresh-Masouleh M，Akhoondzadeh M. Improving weed segmentation in sugar beet fields using potentials of multispectral unmanned aerial vehicle images and lightweight deep learning［J］. Journal of Applied Remote Sensing，2021，15：34510-034510.
［26］Su D，Kong H，Qiao Y L，et al. Data augmentation for deep learning based semantic segmentation and crop-weed classification in agricultural robotics［J］. Computers and Electronics in Agriculture，2021，190：106418.
［27］Zhang S，Huang W，Wang Z.Combing modified grabcut，k-means clustering and sparse representation classification for weed recognition in wheat field-sciencedirect［J］. Neurocomputing，2021，452：665-674.

相似文献/References:

[1]杨君珑,李小伟.模拟氮沉降对干旱半干旱区几种杂草生长及光合特征的影响[J].江苏农业科学,2015,43(12):157.
　Yang Junlong,et al.Effects of simulated nitrogen deposition on growth and photosynthetic characteristic of weeds in arid and semiarid area[J].Jiangsu Agricultural Sciences,2015,43(12):157.
[2]高婷,王红春,石旭旭,等.水稻机械化插秧栽培及其草害防除[J].江苏农业科学,2013,41(09):60.
　Gao Ting,et al.Cultivation and weeds control of machine transplanting rice[J].Jiangsu Agricultural Sciences,2013,41(12):60.
[3]龚勋,王珩义.不同年生紫茎泽兰不同部位水浸液对甜荞种子萌发的影响[J].江苏农业科学,2016,44(03):161.
　Gong Xun,et al.Effects of aqueous extracts of different organs of Eupatorium adenophorum born in different years on seed germination ofFagopyrum esculentum Moench[J].Jiangsu Agricultural Sciences,2016,44(12):161.
[4]熊战之,袁树忠,钱兰娟,等.硝磺草酮、苯唑草酮对夏玉米田杂草的防除效果[J].江苏农业科学,2013,41(12):134.
　Xiong Zhanzhi,et al.Control effects of mesotrione and topramezone on weeds in summer maize fields[J].Jiangsu Agricultural Sciences,2013,41(12):134.
[5]张俊,刘娟,臧秀旺,等.花生田常见杂草防治措施及展望[J].江苏农业科学,2016,44(01):141.
　Zhang Jun,et al.Control measures and prospect of common weeds in peanut field[J].Jiangsu Agricultural Sciences,2016,44(12):141.
[6]焦子伟,张相锋,尚天翠,等.国内外有机农业杂草控制技术研究进展[J].江苏农业科学,2016,44(01):1.
　Jiao Ziwei,et al.Research progress of weed control technology of organic farming at home and abroad[J].Jiangsu Agricultural Sciences,2016,44(12):1.
[7]武旭霞,张东彦,宋健,等.杂草识别专家及信息系统研究进展[J].江苏农业科学,2014,42(05):132.
　Wu Xuxia,et al.Research progress of weed identification expert and information system[J].Jiangsu Agricultural Sciences,2014,42(12):132.
[8]温广月,钱振官,李涛,等.稻田鸭舌草田间发生消长规律及生态学特性[J].江苏农业科学,2015,43(11):201.
　Wen Guangyue,et al.Preliminary study on occurrence and germination behavior of Monochoria vaginalis in paddy field[J].Jiangsu Agricultural Sciences,2015,43(12):201.
[9]张军高,漆永红,岳德成,等.玉米田封闭除草剂撒施效果比较[J].江苏农业科学,2015,43(09):154.
　Zhang Jungao,et al.Comparative study on effects of closed herbicides in corn field[J].Jiangsu Agricultural Sciences,2015,43(12):154.
[10]刘兴林,桑松,孙涛,等.五氟磺草胺药肥混用对水稻移栽田杂草的防除效果[J].江苏农业科学,2015,43(08):119.
　Liu Xinglin,et al.Control effect of penoxsulam 0.025% GR mixed with fertilizer on annual weeds in transplanted rice fields[J].Jiangsu Agricultural Sciences,2015,43(12):119.

备注/Memo

备注/Memo:
收稿日期：2022-01-04
基金项目：黑龙江省自然科学基金(编号：TD2020C001)；中央高校基本科研业务费专项(编号：2572019CP19)。
作者简介：徐国钦(1996—)，男，辽宁鞍山人，硕士研究生，主要从事检测技术与自动化装置研究。E-mail：xuguoqin0609@163.com。
通信作者：黄建平，副教授，博士生导师，主要从事视觉检测、图像处理研究。E-mail：jphuang@nefu.edu.cn。
更新日期/Last Update: 2022-06-20