化春键,张爱榕,蒋 毅,俞建峰,陈 莹
(1 江南大学 机械工程学院,江苏 无锡 214122; 2 江苏省食品先进制造装备技术重点实验室,江苏 无锡 214122;3 江南大学 物联网工程学院,江苏 无锡 214122)
草坪作为绿地组成的一种基本要素,对城市景观与生态文明有着重大影响[1]。杂草与草坪争抢生长空间,滋生病虫害,是造成草坪退化的重要因素之一[2]。除草剂以经济、高效、省力的优势成为目前草坪杂草管理的主要方式[3]。然而除草剂的大范围使用不仅会加剧杂草的抗药性问题,同时也会对公园、运动场等公共区域的人群健康带来威胁[4]。基于机器视觉的草坪杂草识别技术可以实现植保机器人的定点精准施药,降低除草剂的使用成本和环境危害,促进了农业智能化和精细化作业。近年来,专家学者围绕杂草检测进行了许多相关方面的研究。Jin等[5]使用经过训练的CenterNet模型检测蔬菜作物并绘制边界框,将边界框外的对象视为背景,利用遗传算法评估提出背景绿色区域检测算子,完成对杂草的分割。针对草坪杂草的检测,Yu等[6]利用卷积神经网络模型对草坪阔叶杂草展开研究,通过对比AlexNet、GoogLeNet和VGGNet发现,VGGNet网络在高杂草密度和低杂草密度情况下的检测结果均优于AlexNet和GoogLeNet。上述方法均需要借助专家手工标记信息训练分类器,完成图像的分割任务。无监督方法避免了训练时分类器的参数调节过程,有利于降低算法整体复杂度。Watchareeruetai等[7]通过提取草坪图像的边缘信息,统计杂草边缘与草坪草叶片边缘的纹理特征识别杂草,对阔叶杂草的识别准确率达到了89%。……