基于改进RT-DETR模型的油菜田间杂草识别研究

来源：湖北农业科学杂志2025年第8期北京时间：

作者：章磊, 冷欣, 陈佳凯, 李宗轩

单位：东北林业大学计算机与控制工程学院,哈尔滨 150040

摘要：以油菜田中4种典型杂草（苍耳、狗尾草、藜、豚草）作为研究对象,针对杂草检测中存在的幼苗目标小、枯萎杂草特征弱、高度重叠区域识别困难等关键问题,基于RT-DETR（Region transformer DETR）模型提出一种改进的检测方法。在RT-DETR模型基础上使用渐近混合特征金字塔网络（AFPN）替代原有的CCFM (Cross-scale context fusion module),有效解决枯萎杂草因纹理模糊和特征稀疏性导致的特征分布失衡问题;在网络骨干处引入SPD-Conv模块,提升小目标杂草的特征表征能力;在主干网络末端集成CBAM（Convolutional block attention module）,有效缓解低分辨率目标和遮挡情况下的特征信息丢失问题。通过系统的消融试验和对比试验验证,改进后的RT-DETR+AFPN+SPD-Conv+CBAM（RW-DETR）模型在检测精度和鲁棒性方面均展现出明显优势。RW-DETR模型对油菜田中杂草的识别精确率和平均精度均值分别达85.2%和82.5%,明显优于RT-DETR模型、Faster R-CNN模型、SSD模型、YOLOv5m模型、YOLOv8m模型。RW-DETR模型在保持实时检测性能的同时,明显提升了复杂场景下杂草的识别效果,满足现代农业对杂草检测系统的精度与效率要求。

关键词：油菜,改进RT-DETR模型,RT-DETR模型,杂草识别

基金资助：国家自然科学基金项目(62301139）