基于改进Faster R-CNN 的农田残膜识别方法

张学军，黄爽，靳伟，2，鄢金山，2，史增录，2，周鑫城，张朝书

（1.新疆农业大学 机电工程学院，新疆 乌鲁木齐 830052；2.新疆农业工程装备创新设计实验室重点实验室，新疆乌鲁木齐 830052；3.阿拉尔市天典农机制造有限责任公司，新疆 阿拉尔 843300）

地膜覆盖技术自引入中国至今已有40 余年的历史[1]，废弃在农田里的地膜长年积累，若没有及时回收则会造成种子腐烂、阻断营养运输，直接影响农作物产量.针对残膜回收问题，目前国内已研发设计出百余种不同工作形式的残膜回收机.其中部分残膜回收机械的回收率高达90%以上[2-8]，但回收率似乎已经到达“瓶颈期”，很难有进一步突破.因此，通过图像识别的方法快速识别出农田里遗留的残膜，是研制人工智能残膜回收机，提高残膜回收率的关键.

近年来，图像识别技术已经广泛应用于农业领域，已有研究人员对地膜进行了识别.梁长江等[9]通过无人机采集农田地膜图像，利用几种传统的图像分割算法对地膜进行识别，结果表明迭代阈值分割算法对地膜的识别率最高.朱秀芳等[10]利用无人机获取影像并提取纹理信息，结合传统的分割方法得到了地膜分布面积.吴雪梅等[11]利用无人机采集烟地不同时期的残膜，提出了一种基于颜色特征的识别方法.江水泉等[12]利用直方图阈值分割方法确定阈值，联合边缘检测和区域填充，分离出了残膜图像.上述文献大多通过无人机航拍获取地膜信息，用于评估当地的环境污染程……