基于CNNs和Transformer混合的茶田路径分割模型

来源：中国农机化学报杂志2026年第2期北京时间：

作者：麦彦恒, 黄浩宜, 郑佳祺, 骆泽丰, 廖仲樑, 唐劲驰

单位：1. 华南农业大学电子工程学院(人工智能学院)，广州市，510642；2. 广东省农业科学院茶叶研究所/广东省茶树资源创新利用重点实验室，广州市，510640

摘要：随着农业无人车的茶田自动导航技术愈加重要，为提供在边缘计算中快速推理的实时导航路径计算，提出一种新的基于CNN和Transformer混合策略的茶田路径分割模型TCT—YOLO。在农情差异化的背景下，TCT—YOLO基于YOLOv8实现Conv块(TCB)和Transformer块(TTB)可堆栈式部署，在茶田道路分割任务中有更优秀的泛化能力，样本总体平均交并比mIoU提高4.8%。Transformer块在该任务中可能导致过拟合和传播梯度爆炸，在TCB与TTB中采用Leaky ReLU激活函数和Layer Normalization。在下游任务中与各个模型进行对比，所提模型推理速度更快、检测精度更高。关注到YOLO模型采取FPN的方式提取特征从而忽略跨层信息损失的问题，采用信息聚集—分发(GD)机制改进，通过在全局视野上对不同层级的特征聚集融合并分发注入到不同层级中，总体平均交并比提升2.2%。

关键词：茶田路径分割,实例分割,信息聚集—分发,边缘计算,轻量化模型

基金资助：广东省重点领域研发计划项目(2023B0202120001)；广东省甘蔗剑麻产业技术体系创新团队项目(2023KJ104—11)；以农产品为单元的广东省现代农业产业技术体系创新团队建设项目(2023KJ120)；广东省大学生创新创业训练项目(S202310564019)