农业机械学报

作者：李尚平，郑创锐，文春明，李凯华

单位：广西民族大学,广西民族大学,广西民族大学,广西民族大学,

关键词：宿根蔗幼苗;缺苗定位;无人机RGB图像;YOLO v5s;作物行识别;DBSCAN

基金：国家自然科学基金项目（52165009）和广西科技重大专项（桂科AA22117008、桂科AA22117006）

针对预切种式双芽蔗段横向补种机缺少整体的缺苗数据，导致补种效率不高等问题，提出了一种基于无人机RGB图像的宿根蔗缺苗定位方法。首先，通过无人机快速采集实际田间宿根蔗幼苗的高分辨率图像，将航拍大图（分辨率为5472像素×3648像素）切分成多幅子图并进行数据增强，从而构建宿根蔗幼苗数据集；其次，在YOLO v5s的基础上引入P2小目标特征层和DyHead模块，提高对幼苗小目标的检测准确性，并在训练过程引入图像加权策略解决样本数量不平衡问题，进一步提高被遮挡幼苗的检测精度；然后，在切片辅助推理框架中引入改进模型训练权重，在大尺寸田间图像中实现宿根蔗幼苗的检测；最后，构建以改进的DBSCAN聚类算法和PCA拟合算法为核心的作物行识别算法，在作物行线上定位缺苗位置。试验结果表明，改进宿根蔗幼苗检测模型在子图上的平均检测精度为96.8%，在大图上的识别精确率和召回率为94.5%和91.8%，检测时间为0.32s。基于检测的位置坐标信息利用作物行识别算法实现分垄，作物行聚类准确率达到100%，拟合的作物行中心线角度平均误差为0.2455°，作物行中心线上缺苗位置识别的精确率和召回率为91.9%和97.1%，平均定位误差为9.73像素。该方法可用于大尺寸复杂田间图像上的宿根蔗智能缺苗定位，为补种作业提供技术支持，对延长宿根年限、提高甘蔗产量具有重要意义。

来源：2024年第12期

《农业机械学报》期刊编辑部

查看农业机械学报杂志2024年第12期