基于移位窗口Transformer网络的玉米田间场景下杂草识别.pdfVIP

第 38 卷 第 15 期 农 业 工 程 学 报 Vol.38 No.15 2022 年 8 月 Transactions of the Chinese Society of Agricultural Engineering Aug. 2022 133 ·农业信息与电气技术· 基于移位窗口 Transformer 网络的玉米田间场景下杂草识别 ※ 王 璨，武新慧 ，张燕青，王文俊 （山西农业大学农业工程学院，太谷 030801 ） 摘 要：针对实际复杂田间场景中作物与杂草识别准确性与实时性差，易受交叠遮挡影响，像素级数据标注难以大量获 取等问题，该研究提出基于移位窗口 Transformer 网络（Shifted Window Transformer，Swin Transformer）的高效识别方法， 在实现作物语义分割的基础上快速分割杂草。首先建立玉米语义分割模型，引入 Swin Transformer 主干并采用统一感知 解析网络作为其高效语义分割框架；改进 Swin Transformer 主干调整网络参数，生成 4 种改进模型，通过精度与速度的 综合对比分析确定最佳模型结构；基于玉米形态分割，建立改进的图像形态学处理组合算法，实时识别并分割全部杂草 区域。测试结果表明，该研究 4 种改进模型中，Swin-Tiny-UN 达到最佳精度-速度平衡，平均交并比为 94.83%、平均像 素准确率为 97.18%，推理速度为 18.94 帧/s 。对于模拟实际应用的视频数据，平均正确检测率为 95.04%，平均每帧检测 时间为 5.5110-2 s 。该方法有效实现了玉米与杂草的实时准确识别与精细分割，可为智能除草装备的研发提供理论参考。 关键词：作物；目标识别；图像分割；语义分割；玉米；杂草识别 doi ：10.11975/j.issn.1002-6819.2022.15.014 中图分类号：TP274; TP391.41 文献标志码：A 文章编号：1002-6819(2022)-15-0133-10 王璨，武新慧，张燕青，等. 基于移位窗口 Transformer 网络的玉米田间场景下杂草识别[J]. 农业工程学报，2022， 38(15)：133-142. doi ：10.11975/j.issn.1002-6819.2022.15.014 Wang Can, Wu Xinhui, Zhang Yanqing, et al. Recognizing weeds in maize fields using shifted window Transformer network[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2022, 38(15): 133-142. (in Chinese with English abstract) doi ：10.11975/j.issn.1002-6819.2022.15.014