基于高草压数据集和改进PSP网络的杂草密度检测方法

新词1：高胁迫杂草
解释1：高胁迫杂草环境是指生长在受到严重压力和恶劣条件影响的环境中的杂草植物。这些环境可能包括干旱地区、贫瘠的土壤、高盐度土壤、污染区域或其他不适宜大多数植物生长的地方。
大规模喷洒在农田是最广泛使用的除草方法之一。
新词2：处方图
解释2：Prescription maps（处方地图）是农业领域中的一种空间变量施用地图，用于指导农业输入物质（如化肥、杀虫剂或除草剂）的施用。这些地图根据多种因素创建，包括农田的土壤特性、作物需求、病虫草害风险、历史产量数据等。

摘要

准确检测杂草密度对提高农药利用率、减少环境污染具有重要意义。
本文的目的是将传统的图像处理技术与深度学习技术相结合，研究高胁迫杂草环境下杂草数据集的半监督标注和杂草密度检测方法。
首先，本文利用作物数据集训练U-Net实现作物分割，并利用颜色指数和Otsu阈值分割算法实现植被分割。
然后，通过从植被分割结果中去除作物区域来实现杂草分割，并将分割结果制成杂草数据集。
使用该数据集训练改进的 PSP 网络并执行杂草分割。
对获得的按区域分割的图像计算杂草像素数与该区域总像素数的比值来测量杂草密度。
最后，根据杂草密度阈值生成代表不同处理强度的处方图。
结果表明，EXG 颜色指数在杂草注释方面优于其他三个指数
关键词：数据注释、图像处理、处方图、语义分割、杂草密度检测

1、介绍

杂草防治是农业生产的重要环节，对于提高农作物产量和品质起着至关重要的作用。如何有效清除杂草一直是农业工作者面临的难题。在现代农业中，化学除草剂被广泛应用于大面积的农田喷洒，以达到除草的目的。