Новый метод восстановления размытия в движении для улучшенного обнаружения сорняков на полях
Эффективный контроль сорняков критически важен в сельском хозяйстве для обеспечения высокой урожайности. Он требует точного отделения сорняков от культур перед распылением гербицидов. Традиционные методы имеют недостатки: загрязнение культур, перерасход гербицидов и низкая точность.
Роботы с алгоритмом семантической сегментации могут автоматически отличать сорняки от культур. Однако вибрация роботов или растений создаёт «размытие в движении» (motion blur) на изображениях, что снижает точность.
Исследователи под руководством профессора Кан Рёнг Парка из Университета Донгук (Корея) предложили метод восстановления таких размытых изображений для улучшения сегментации. Это первое исследование, учитывающее motion blur для задачи разделения культур и сорняков. Результаты опубликованы в Plant Phenomics.
Метод: Использована нейросеть WRA-Net (wide receptive field attention network) для восстановления изображений. После восстановления применялась модель U-Net для семантической сегментации. WRA-Net работает с частями изображения (патчами), а не с целым кадром сразу.
Тестирование: Метод проверили на трёх публичных базах данных: BoniRob, CWFID и наборе данных по рисовой рассаде и сорнякам. Эффективность сегментации оценивали по метрике mIOU (mean intersection over union).
Результаты: WRA-Net превзошла другие методы. Значения mIOU для восстановленных изображений составили:
CWFID: 0.7741
BoniRob: 0.7444
Рисовая рассада и сорняки: 0.7749
Метод также показал хорошую работу на встраиваемых системах с ограниченными вычислительными ресурсами.
Планы на будущее: Исследователи планируют изучить методы предобработки для уменьшения ошибок из-за высокой схожести культур и сорняков, а также методы объединения признаков (feature fusion) для прямой семантической сегментации из размытого изображения без отдельного этапа восстановления.
Этот подход может помочь преодолеть проблемы нехватки рабочей силы и повысить продуктивность в условиях растущих требований к продовольственной безопасности.