基于改进RTDETR的玉米幼苗与杂草的检测算法

来源：江苏农业科学杂志2026年第第4期北京时间：

作者：周然鹏;崔艳荣

单位：长江大学计算机科学学院/长江大学人工智能科研平台，湖北荆州 434023

摘要：针对自然田间场景中玉米幼苗与杂草形态相似度高、背景环境复杂以及多尺度目标并存等技术问题，提出一种基于改进RT-DETR的玉米幼苗与杂草识别检测算法VSR-DETR。具体改进策略如下：首先，设计增强型视觉状态空间的主干网络框架，通过设计动态网格划分机制和自适应特征融合策略，将状态空间模型的序列建模能力与视觉特征的空间特性有机结合，可自适应玉米幼苗与杂草的尺度形态、强化关键特征并抑制干扰；其次，引入空间通道特征增强网络，通过构建空间维度与通道维度的双维度特征增强机制，强化关键特征的区分度，提升模型对相似形态目标的辨识能力；最后，在跨尺度特征融合阶段，使用RetBlock替换原来的RepC3中的RepConv，通过高效学习全局上下文特征与局部细节特征，显著改善小尺度目标的检测效果。试验结果表明，所提算法的精确率、召回率、mAP@0.5指标较基准模型RT-DETR分别提升3.88、0.91、2.05百分点，同时模型参数量与浮点数运算量分别降低27.5%和278%；其综合性能优于当前多数主流目标检测模型。该算法实现了玉米幼苗与杂草检测精度和计算效率的协同提升，可为智能除草设备中杂草识别系统的设计与优化提供理论参考。

关键词：RT-DETR;玉米幼苗;杂草;目标检测;深度学习