基于移位窗口Transformer网络的玉米田间场景下杂草识别

来源：农业工程学报杂志2022年第15期北京时间：

作者：王璨,武新慧,张燕青,王文俊,

摘要：针对实际复杂田间场景中作物与杂草识别准确性与实时性差，易受交叠遮挡影响，像素级数据标注难以大量获取等问题，该研究提出基于移位窗口Transformer网络（Shifted Window Transformer，Swin Transformer）的高效识别方法，在实现作物语义分割的基础上快速分割杂草。首先建立玉米语义分割模型，引入Swin Transformer主干并采用统一感知解析网络作为其高效语义分割框架；改进Swin Transformer主干调整网络参数，生成4种改进模型，通过精度与速度的综合对比分析确定最佳模型结构；基于玉米形态分割，建立改进的图像形态学处理组合算法，实时识别并分割全部杂草区域。测试结果表明，该研究4种改进模型中，Swin-Tiny-UN达到最佳精度-速度平衡，平均交并比为94.83%、平均像素准确率为97.18%，推理速度为18.94帧/s。对于模拟实际应用的视频数据，平均正确检测率为95.04%，平均每帧检测时间为5.51′10-2 s。该方法有效实现了玉米与杂草的实时准确识别与精细分割，可为智能除草装备的研发提供理论参考。

关键词：作物, 目标识别, 图像分割, 语义分割, 玉米, 杂草识别