Автоматическая борьба с сорняками: разработка умного опрыскивателя

Обычное опрыскивание посевов гербицидами для уничтожения сорняков приводит к большим потерям химикатов и вызывает экологические проблемы. Умный опрыскиватель мог бы идентифицировать сорняки, проросшие среди культур, и точечно обрабатывать только нежелательные растения. Исследование команды из Китая, опубликованное в International Journal of Computational Science and Engineering, посвящено сегментации кукурузного поля в реальном времени для обнаружения сорняков, что можно использовать для управления таким умным опрыскивателем.

Неконтролируемый рост сорняков на поле снижает урожайность. Однако гербициды для избирательного уничтожения сорняков дороги и также приводят к загрязнению. В интересах фермеров по всему миру и ради окружающей среды гербициды должны использоваться максимально эффективно.

Хао Го, Шэншэн Ван и Инань Лу из Университета Цзилинь в Чанчуне предложили облегченную нейронную сеть на основе архитектуры кодировщик-декодировщик SResNet. Они оптимизировали модель, чтобы она могла быстро отличать сорняки от культурных растений на изображении.

«В задаче идентификации сорняков результат распознавания подвержен влиянию таких факторов, как освещение, перекрытие объектов и качество изображения, поэтому повышение устойчивости распознавания сорняков по-прежнему является сложной задачей в традиционном машинном зрении», — поясняют авторы. Их подход предлагает облегченную модель семантической сегментации на основе архитектуры кодировщик-декодировщик, которая учитывает как точность, так и скорость обработки. Чтобы продемонстрировать преимущества своей системы, они сравнили результаты с классическими моделями семантической сегментации (SegNet и U-Net) и показали, что она обладает конкурентоспособной производительностью. Скорость обработки составляет почти 70 кадров в секунду, что позволяет вести идентификацию сорняков на кукурузном поле в реальном времени. Средняя точность модели достигает почти 99%.