基于ResAC-UNet网络的玉米作物行识别与导航线提取算法研究

来源：农业机械学报杂志2026年第1期北京时间：

作者：崔永志，刘阳春，毛文华，安麒麟，郭全峰，李广瑞，周达，周白雪，伟利国

单位：中国农业机械化科学研究院集团有限公司,中国农业机械化科学研究院集团有限公司,中国农业机械化科学研究院集团有限公司,中国农业机械化科学研究院集团有限公司,中国农业机械化科学研究院集团有限公司,中国农业机械化科学研究院集团有限公司,中国农业机械化科学研究院集团有限公司,中国农业机械化科学研究院集团有限公司,中国农业机械化科学研究院集团有限公司,

摘要：在复杂非结构化农田环境中，导航线精确提取对农机和农业机器人实现自主作业至关重要。农业环境中普遍存在光照多变、地形起伏和杂草干扰等挑战性因素，传统图像处理方法在适应性、准确性和实时性方面表现不佳，难以满足智慧农业的视觉导航需求。针对这些问题，本文提出一种基于改进UNet的ResAC-UNet深度学习网络模型。该模型采用ResNet-50网络替代传统UNet的编码器结构，增强特征提取能力。通过优化跳跃连接，提高了分割速度和实时响应能力。在网络的瓶颈部分引入ASPP模块，实现多尺度感受野建模，保持高分辨率特征的同时捕获更丰富的上下文信息。此外，模型整合CBAM，增强对作物行边界的精确感知，有效防止了关键特征信息的丢失，进一步提升了分割质量。在分割结果的基础上，采用行锚法和RANSAC算法实现了高精度导航线的提取与平滑处理。将获取的前视图像进行鸟瞰图转换，消除透视效应，生成保留ROI的作物行俯视图。试验结果表明，ResAC-UNet模型在精确率、平均像素精度、平均交并比和召回率方面分别达到99.23%、95.44%、85.23%和94.71%，性能优于当前主流的Segformer、DDRNet、HRNet及DeepLabV3+等分割网络，ResAC-UNet的平均推理时间为15.26ms，满足智能农机视觉导航识别的实时性需求。在相机的ROI区域内可提取3条导航线，中间导航线的最大角偏差仅为0.96°，最大像素偏差为4.3像素，实现了高质量导航线可靠提取。对比其他导航路径提取方法，本文方法具有更高的准确性和稳定性。

关键词：玉米作物行;视觉导航;导航线提取;鸟瞰图;深度学习;ResAC-UNet

基金资助：中国机械工业集团有限公司青年科技基金项目（QNJJ-PY-2022-20）和国家重点研发计划项目（2024YFD2301100）