近日，中國(guó)農(nóng)業(yè)科學(xué)院植物保護(hù)研究所智慧植保創(chuàng)新團(tuán)隊(duì)在國(guó)際知名期刊《Computers and Electronics in Agriculture》（中科院1區(qū)，IF：7.7）發(fā)表題為“Precise Extraction of Targeted Apple Tree Canopy with YOLO-Fi Model for Advanced UAV Spraying Plans”的研究論文；構(gòu)建了適應(yīng)于果樹識(shí)別、定位、分割提取等多目標(biāo)任務(wù)需求的YOLO-Fi算法模型，并實(shí)現(xiàn)可用于植保無人飛機(jī)果樹對(duì)靶變量噴施作業(yè)的整體技術(shù)方案。

 

　　精準(zhǔn)分析果樹冠層信息，并精準(zhǔn)導(dǎo)航植保機(jī)械完成施藥作業(yè)是果園智慧化管理的關(guān)鍵。但在復(fù)雜的果園環(huán)境中，同時(shí)完成樹冠的識(shí)別、定位和分割以實(shí)現(xiàn)精準(zhǔn)施藥具有很高的挑戰(zhàn)性。本研究提出了一種基于無人機(jī)數(shù)據(jù)和深度學(xué)習(xí)算法的綜合框架，以精準(zhǔn)獲取蘋果樹信息，從而實(shí)現(xiàn)植保無人飛機(jī)對(duì)靶果樹變量施藥。首先，使用mRMR （Max-Relevance and Min-Redundancy）算法選擇3個(gè)特征（RVI、NDVI、SAVI）來創(chuàng)建融合圖像以從背景環(huán)境中突顯樹冠；然后，使用增強(qiáng)后的圖像生成標(biāo)記樣本數(shù)據(jù)集。其次，使用標(biāo)記數(shù)據(jù)集訓(xùn)練開發(fā)了 YOLO-Fi 模型。將各模型對(duì)試驗(yàn)區(qū)果樹進(jìn)行檢測(cè)、定位與分割，結(jié)果表明YOLO-Fi模型效果最優(yōu)（FPS = 370，mAP50-95（B） = 0.862，mAP50-95（M） = 0.723，MIoU = 0.749）。隨后，基于果樹樹冠分割面積生成變量噴施處方圖；與常規(guī)噴施相比，噴施量可減少47.92%。最后，使用蟻群算法規(guī)劃植保無人飛機(jī)在試驗(yàn)區(qū)內(nèi)遍歷飛行每棵果樹冠層的最短路徑；與無人機(jī)常規(guī)噴施作業(yè)的飛行路徑相比，飛行距離減少2.04%。本研究可為無人機(jī)精準(zhǔn)管理果園提供樹冠監(jiān)測(cè)、分析、定位、導(dǎo)航、精準(zhǔn)施藥等的綜合方案和技術(shù)支撐。

 

　　中國(guó)農(nóng)業(yè)科學(xué)院植物保護(hù)研究所為論文的第一完成單位，博士研究生魏鵬為論文的第一作者，植保所袁會(huì)珠研究員與閆曉靜研究員為論文的共同通訊作者。該研究得到國(guó)家重點(diǎn)研發(fā)計(jì)劃項(xiàng)目（2022YFD2001402）的支持。

 

　　原文鏈接：https://doi.org/10.1016/j.compag.2024.109425