近日，中國農業科學院植物保護研究所智慧植保創新團隊在國際知名期刊《Computers and Electronics in Agriculture》（中科院1區，IF：7.7）發表題為“Precise Extraction of Targeted Apple Tree Canopy with YOLO-Fi Model for Advanced UAV Spraying Plans”的研究論文；構建了適應于果樹識別、定位、分割提取等多目標任務需求的YOLO-Fi算法模型，并實現可用于植保無人飛機果樹對靶變量噴施作業的整體技術方案。
精準分析果樹冠層信息，并精準導航植保機械完成施藥作業是果園智慧化管理的關鍵。但在復雜的果園環境中，同時完成樹冠的識別、定位和分割以實現精準施藥具有很高的挑戰性。本研究提出了一種基于無人機數據和深度學習算法的綜合框架，以精準獲取蘋果樹信息，從而實現植保無人飛機對靶果樹變量施藥。首先，使用mRMR （Max-Relevance and Min-Redundancy）算法選擇3個特征（RVI、NDVI、SAVI）來創建融合圖像以從背景環境中突顯樹冠；然后，使用增強后的圖像生成標記樣本數據集。其次，使用標記數據集訓練開發了 YOLO-Fi 模型。將各模型對試驗區果樹進行檢測、定位與分割，結果表明YOLO-Fi模型效果最優（FPS = 370，mAP50-95（B） = 0.862，mAP50-95（M） = 0.723，MIoU = 0.749）。隨后，基于果樹樹冠分割面積生成變量噴施處方圖；與常規噴施相比，噴施量可減少47.92%。最后，使用蟻群算法規劃植保無人飛機在試驗區內遍歷飛行每棵果樹冠層的最短路徑；與無人機常規噴施作業的飛行路徑相比，飛行距離減少2.04%。本研究可為無人機精準管理果園提供樹冠監測、分析、定位、導航、精準施藥等的綜合方案和技術支撐。
中國農業科學院植物保護研究所為論文的第一完成單位，博士研究生魏鵬為論文的第一作者，植保所袁會珠研究員與閆曉靜研究員為論文的共同通訊作者。該研究得到國家重點研發計劃項目（2022YFD2001402）的支持。
原文鏈接：https://doi.org/10.1016/j.compag.2024.109425
日期：2024-09-23
精準分析果樹冠層信息，并精準導航植保機械完成施藥作業是果園智慧化管理的關鍵。但在復雜的果園環境中，同時完成樹冠的識別、定位和分割以實現精準施藥具有很高的挑戰性。本研究提出了一種基于無人機數據和深度學習算法的綜合框架，以精準獲取蘋果樹信息，從而實現植保無人飛機對靶果樹變量施藥。首先，使用mRMR （Max-Relevance and Min-Redundancy）算法選擇3個特征（RVI、NDVI、SAVI）來創建融合圖像以從背景環境中突顯樹冠；然后，使用增強后的圖像生成標記樣本數據集。其次，使用標記數據集訓練開發了 YOLO-Fi 模型。將各模型對試驗區果樹進行檢測、定位與分割，結果表明YOLO-Fi模型效果最優（FPS = 370，mAP50-95（B） = 0.862，mAP50-95（M） = 0.723，MIoU = 0.749）。隨后，基于果樹樹冠分割面積生成變量噴施處方圖；與常規噴施相比，噴施量可減少47.92%。最后，使用蟻群算法規劃植保無人飛機在試驗區內遍歷飛行每棵果樹冠層的最短路徑；與無人機常規噴施作業的飛行路徑相比，飛行距離減少2.04%。本研究可為無人機精準管理果園提供樹冠監測、分析、定位、導航、精準施藥等的綜合方案和技術支撐。
中國農業科學院植物保護研究所為論文的第一完成單位，博士研究生魏鵬為論文的第一作者，植保所袁會珠研究員與閆曉靜研究員為論文的共同通訊作者。該研究得到國家重點研發計劃項目（2022YFD2001402）的支持。
原文鏈接：https://doi.org/10.1016/j.compag.2024.109425
日期：2024-09-23
