基于低空无人机影像和 YOLOv3 实现棉田杂草检测

来源：石河子大学学报·自然科学版杂志2019年第1期北京时间：

作者：薛金利, 戴建国, 赵庆展, 张国顺, 崔美娜, 蒋楠,

单位：（1 石河子大学信息科学与技术学院，新疆 石河子 832003; 2 新疆兵团空间信息工程技术研究中心，石河子 832003）

摘要：目的变量作业是精细农业的核心目标，而杂草快速准确检测是精准除草的先决条件。基于此，本文提出了一种基于改进的YOLOv3模型的棉田杂草快速检测方法。方法首先，利用无人机平台获取0.10、0.29、0.52cm分辨率的棉花苗期影像，进行正射校正、拼接、裁剪、标注等前期处理，构建3个数据集；其次，通过目标维度聚类、改进模型结构等方法优化YOLOv3网络模型；最后通过对比分析测试结果得到最优模型和最佳分辨率。结果改进的YOLOv3模型应用于0.29cm分辨率的影像数据对棉田杂草检测效果最好。相较于原始模型，改进的YOLOv3模型杂草检测精度在3个数据集上分别提升了10.62%、12.89%、15.77%，尤其在0.29cm数据集上识别率和召回率分别达到了94.06%、90.26%，同时识别速度可达51帧/s。结论在检测精度和运行速率方面，本文提出的棉田杂草模型均可满足实际农业生产需要。研究成果为精准除草提供了理论基础，同时文中所用方法也可为其他类型的农田地物检测提供借鉴。

关键词：无人机遥感；深度学习；YOLOv3；棉花；杂草

基金资助：国家重点研发计划项目（2017YFB0504203），国家自然科学基金资助项目(31460317)