基于全卷积神经网络方法的玉米田间杂草识别

来源：江苏农业科学杂志2022年第第6期北京时间：

作者：李彧; 余心杰; 郭俊先

单位：1.新疆农业大学机电工程学院，新疆乌鲁木齐 830052； 2.浙江大学宁波理工学院，浙江宁波 315100

摘要：〗杂草是危害农业和林业生产的三害之一，对农业生产、生态环境、生物多样性等均会造成一定的危害。要解决杂草问题首先需要对杂草实现高效准确的识别，通过拍摄新疆旱地玉米大苗田间图像构建数据集，提取玉米苗与杂草2类标签，使用全卷积神经网络(FCN)准确地分割2类目标实现杂草识别。利用图像翻转、镜像、对比度增强、亮度增强等4种增广方法扩增数据集，利用迁移学习技巧，对模型采取非初始参数训练，提升模型识别准确率。结果表明，选择的U-Net模型识别效果最佳，能够有效地克服阴天光照、地膜等因素干扰，实现杂草的快速准确识别，验证集识别正确率96.13%，能够满足杂草识别的实际要求。

关键词：杂草识别;全卷积神经网络;深度学习;语义分割;U-Net模型;VGG