利用无人机图像进行大豆田杂草检测的实例分割方法

摘要

作物杂草检测是精确农业的一个新领域，它可以区分理想和不理想的作物。
准确、高效的杂草检测与识别是精确杂草治理的基础。
本研究提出一种结合可见颜色指数与基于编码器和解码器架构的实例分割方法的新方法。该方法解决了杂草和大豆作物密集分布中杂草的准确检测和分割的难题。色彩指数的设计是为了突出植物和土壤之间的对比，以减轻光照和背景的影响，而将ResNet101_v和DSASPP集成到编解码框架中，可以增强多尺度语义信息的提取能力，提高杂草patch边界分割的准确性。在真实场景图像上的实验结果表明，该方法具有较好的性能，其杂草分割的精度为0.905,IoU值为0.959,aAcc值为0.978,mIoU值为0.939,mAcc值为0.972。在与Deeplabv3plus、Deeplabv3、FCN、U-net、FastFCN、Swin Transformer和Vision Transformer的对比中，该管道在区分杂草和大豆的分割精度和执行时间上取得了相当的性能。这项工作为精确农业领域做出了重要贡献，为具有挑战性的杂草检测和精确杂草控制提供了一种有前景的方法。

1、介绍

特定地点杂草管理(SSWM)是一