多通道深度可分離卷積模型實時識別復雜背景下甜菜與雜草

孫 俊，譚文軍，武小紅，沈繼鋒，蘆 兵，戴春霞

多通道深度可分離卷積模型實時識別復雜背景下甜菜與雜草

孫 俊，譚文軍，武小紅，沈繼鋒，蘆 兵，戴春霞

（江蘇大學電氣信息工程學院，鎮(zhèn)江 212013）

針對實際復雜田間環(huán)境下雜草與作物識別精度低和實時性差的問題，為減少弱光環(huán)境對分割識別效果的影響，實現(xiàn)甜菜與雜草的實時精確分割識別，該文首先將可見光圖像進行對比度增強，再將近紅外與可見光圖像融合為4通道圖像；將深度可分離卷積以及殘差塊構(gòu)成分割識別模型的卷積層，減少模型參數(shù)量及計算量，構(gòu)建編碼與解碼結(jié)構(gòu)并融合底層特征，細化分割邊界。以分割識別精度、參數(shù)量以及運行效率為評價指標，通過設置不同寬度系數(shù)以及輸入圖像分辨率選出最優(yōu)模型。試驗結(jié)果表明：本文模型的平均交并比達到87.58%，平均像素準確率為99.19%，幀頻可達42.064幀/s，參數(shù)量僅為525 763，具有較高分割識別精度和較好實時性。該方法有效實現(xiàn)了甜菜與雜草的精確實時識別，可為后續(xù)機器人精確除草提供理論參考。

作物；圖像分割；卷積神經(jīng)網(wǎng)絡；深度學習；甜菜；雜草；實時

0 引 言

雜草是影響作物生長的重要因素之一，會與作物爭肥爭水，增加病蟲害的傳播，故及時去除雜草對于保證作物高產(chǎn)具有重要意義[2]。傳統(tǒng)除草一般是人工除草，通過人力挖除或者噴藥實現(xiàn)除草，但需要耗費大量人力。另外噴藥產(chǎn)生的農(nóng)藥殘留不僅對人類健康產(chǎn)生巨大威脅，而且容易破壞生態(tài)環(huán)境[1]-[2]。……