农业机械学报

作者：朱惠斌，李仕，白丽珍，王明鹏，贾宇轩，兰冀贤

单位：昆明理工大学,昆明理工大学,昆明理工大学,昆明理工大学,昆明理工大学,昆明理工大学,

关键词：玉米大豆间套复种;作物行间检测;导航线提取;改进YOLO v8;多尺度融合

基金：国家自然科学基金项目(52265033、51865022)和云南省自然科学基金项目(202401AS070115)

针对玉米大豆间套复种场景下导航线提取算法在复杂农田环境中精度低和适应性差等问题，提出一种基于改进YOLO v8的作物行间导航线提取方法，以提升自主移动底盘在田间作业中的导航精度。针对玉米大豆作物行间专项分割任务，以YOLO v8为基础融合StarNet网络，并优化检测头构建了StarNet-YOLO主干网络。通过自主设计的ASPPFE模块、深度可分离卷积和CSE结构等策略优化，同时利用LAMP剪枝算法对其轻量化。此外，引入Douglas-Peucker算法获取逼近作物行间轮廓，并提出评分机制确定轮廓的起始线段和终点线段中点，进而实现作物行导航线的精确拟合。消融试验结果表明，ASPPFE的mAP50seg（交并比为0.5时实例分割的平均精度均值）达到99.5%，其mAP50-95seg（交并比为0.5～0.95时实例分割的平均精度均值）比SPPELAN、SPPF和ASPPF分别提升1.0、1.0、0.4个百分点。经剪枝率25%优化后的StarNet-YOLO网络，mAP50-95seg仅降低0.02个百分点，而推理速度从390f/s提升至563f/s，浮点运算量从7.2×109降至4.7×109。在同一数据集下对YOLO v5、YOLO v7、YOLO v8和改进YOLO v8进行对比发现，StarNet-YOLO网络mAP50-95seg比其他3种算法分别提升5.5、4.8、2.8个百分点。作物行间导航线拟合验证结果表明，平均角度误差和距离误差分别为2.01°和23.17像素。在复杂农田环境下本文导航线提取算法表现出优异性能，实现检测速度与精度平衡，为玉米大豆等农作物田间作业自主机器人视觉导航提供了新的技术思路。

来源：2025年第6期

《农业机械学报》期刊编辑部

查看农业机械学报杂志2025年第6期