【技术实现步骤摘要】
本专利技术涉及农业，具体是一种用于棉田的精准视觉除草方法。
技术介绍
1、在棉花生产中，杂草的侵害对于棉花种植造成了极大的危害。尽管杂草管理技术取得了一定的进展，但是仍然难以遏制其对棉花生长的不利影响。首先，杂草与棉花争夺土壤养分和水分资源，严重影响了棉花的生长发育，限制了其产量和质量的提高。此外，杂草还会影响棉花的通风透光条件，导致棉花生长不良，易患病害，降低棉花的产量和品质。除此之外，杂草还为棉花害虫提供了避风栖息的场所，进一步增加了棉花受害的可能性，从而对棉花产量和质量造成了双重威胁。由此可见，杂草对棉花种植的危害不容忽视。虽然农业技术在杂草管理方面有所进步，但棉花种植者仍需要加大在杂草防控上的投入和研究力度，采取更有效的杂草管理措施，以确保棉花产量和质量的稳定提升，进一步保障棉花产业的可持续发展。
2、在棉田中，恶性杂草指的是那些对棉花生长发育有明显不利影响的杂草。这些恶性杂草通常具有强大的生长能力和竞争能力，会严重影响棉花的生长和产量。它们通常会抢占土壤养分和水分资源，阻碍棉花的正常生长，甚至可能释放出毒素，抑制棉花的生长。常见的棉田恶性杂草包括但不限于苋菜、旋花、稗草、狗尾草等。这些恶性杂草如果不及时有效地进行控制和管理，会给棉花产量和品质带来严重影响。
3、相对而言，良性杂草指的是对棉花生长没有直接不利影响甚至可能有益的杂草。它们通常对棉花的生长不会构成显著竞争，有些甚至具有保护土壤和防止水土流失的作用。例如，一些具有保护土壤结构、增加有机质和保持土壤湿度等作用的杂草，可以在一定程度上改善棉
4、传统的棉花除草方法包括手工除草、机械除草、覆盖除草、化学除草以及生物除草。然而，这些传统方法存在着一些局限性。手工除草费时费力，且成本较高，对劳动力依赖大；机械除草虽然高效快速，但需要大型设备投入，成本较高且不适用于小范围作业；覆盖除草可能影响土壤通气性和水分渗透性，影响作物生长；化学除草虽然能快速控制杂草，但存在对环境的潜在污染风险；生物除草方法的效果受环境因素和生物因素影响较大，稳定性较差。
5、随着农业生产的现代化和智能化发展，杂草对作物的影响日益凸显。传统的人工除草方式不仅耗时耗力，而且效果有限，无法满足大规模农田的需求。在这样的背景下，基于人工智能的杂草识别技术逐渐受到关注并成为解决杂草管理难题的新方向。然而，尽管人工智能技术在图像识别和物体检测方面取得了长足的进步，但传统的单一模型在杂草识别中仍然存在一定的局限性。这些单一模型通常依赖于特定的特征提取方法和分类器，其识别精度和鲁棒性受到图像质量、光照条件、杂草种类等因素的影响，无法在复杂的农田环境中实现高精度的杂草识别。此外，单一模型在对复杂背景下杂草与作物的区分以及对不同杂草类别的识别上也存在一定挑战。因此，为了提高杂草识别的准确性和鲁棒性，需要探索一种多模型融合的综合算法。
6、针对传统除草方法的种种缺点，我们提出了基于深度学习算法的ai杂草识别配合定点喷药喷头的除草方法。该方法首先利用深度学习算法实现对棉田内杂草的快速、精准识别，可以有效区分棉花和各类杂草，减少人工干预和误判。其次，配合定点喷药喷头，可以实现对识别出的杂草进行精准喷药处理，减少农药用量，降低对环境的负面影响，提高棉花产能。此外，该方法能够实现精准除草，减少对棉花的影响，提高除草效率，降低劳动力成本。同时，深度学习算法的智能识别可以根据实时数据动态调整喷药策略，提高除草的精准性和适用性。
技术实现思路
1、专利技术目的：本专利技术目的在于针对现有技术的不足，提供一种用于棉田的精准视觉除草方法，本专利技术基于多模型融合的杂草识别模型综合了现代深度学习中的目标检测和分类的方法，旨在实现对杂草的精准识别。
2、技术方案：一种用于棉田的精准视觉除草方法，包括如下步骤：
3、步骤一、杂草数据收集与预处理：收集包含不同类型杂草的图像数据集，并进行数据清洗和预处理；
4、步骤二、构建基于多模型融合的深度学习杂草识别模型；所述基于多模型融合的深度学习杂草识别模型具体包括基于yolov5的棉田杂草识别定位模型、构建基于vit模型的恶性杂草分类模型和语义分割模型；
5、步骤三、在棉田作业车上安装运动控制系统和执行机构，负责田间作业行走、任务调度和药物喷洒；在棉田除草机构上安装2台3d相机，用于拍摄棉花植膜，实时采集图像数据；将步骤二构建的基于多模型融合的深度学习杂草识别模型安装到棉田除草机构的运动控制系统中；
6、步骤四、在田间作业时，3d相机拍摄棉田照片输入到基于多模型融合的深度学习杂草识别模型进行定位、识别出恶性杂草，采用3d相机计算出杂草区域面积后，根据计算结果，执行机构控制喷头进行喷洒药物进行除草。
7、进一步的，所述步骤一中，所述预处理包括对图像进行图像标注、图像增强和图像大小标准化。
8、进一步的，所述步骤一包括以下操作：
9、1)收集包含不同类型杂草的图像数据集，将图像数据集划分为训练集、验证集和测试集；
10、2)对训练集中的图片进行数据清洗和预处理；所述预处理包括图像标注、图像大小标准化和图像增强，对于训练集中的给定图像，随机选择一种图像增强方法生成新的图像。
11、进一步的，所述步骤二中，基于多模型融合的深度学习杂草识别模型的构建步骤如下：
12、步骤1)、构建基于yolov5的棉田杂草识别定位模型，对棉田图像中的杂草进行定位和边界框标注，实现杂草的精准检测和定位；
13、步骤2)、构建基于vit模型的恶性杂草分类模型，对基于yolov5的棉田杂草识别定位模型识别的杂草进行杂草高精度分类，区分杂草是良性还是恶性；所述基于vit模型的恶性杂草分类模型采用视觉transformer的架构；
14、步骤3)、构建语义分割模型，利用语义分割模型将棉田图像分割为不同的语义区域。
15、进一步的，在构建基于yolov5的棉田杂草识别定位模型时，提供的训练集在进行图像标注时，需标明图像中杂草区域的位置和边界框；
16、在构建基于vit模型的恶性杂草分类模型时，提供的训练集在进行图像标注时，需标明图像中杂草为良性杂草、恶性杂草或其他。
17、进一步的，所述步骤四的具体内容如下：
18、首先，利用语义分割模型将棉田图像分割为不同的语义区域，并结合以上基于yolov5的棉田杂草识别定位模型和基于vit模型的恶性杂草分类模型，输出的恶性杂草区域，即可精准的逼近该恶性杂草的真实区域，然后结合3d双目摄像头距离信息，计算其所占面积，再根据定点喷头调度控制算法分配相应的喷头，计算出喷洒时间，通过执行机构控制喷头喷洒药物进行除草。
19、进一步的，定点喷头调度控制算法为：基于多模型融合的深度学习杂草识别模型识别到杂草本文档来自技高网...
【技术保护点】
1.一种用于棉田的精准视觉除草方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的一种用于棉田的精准视觉除草方法，其特征在于，所述步骤一中，所述预处理包括对图像进行图像标注、图像增强和图像大小标准化。
3.根据权利要求1所述的一种用于棉田的精准视觉除草方法，其特征在于，所述步骤一包括以下操作：
4.根据权利要求1所述的一种用于棉田的精准视觉除草方法，其特征在于，所述步骤二中，基于多模型融合的深度学习杂草识别模型的构建步骤如下：
5.根据权利要求1所述的一种用于棉田的精准视觉除草方法，其特征在于，在构建基于Yolov5的棉田杂草识别定位模型时，提供的训练集在进行图像标注时，需标明图像中杂草区域的位置和边界框；
6.根据权利要求1所述的一种用于棉田的精准视觉除草方法，其特征在于，所述步骤四的具体内容如下：
7.根据权利要求6所述的一种用于棉田的精准视觉除草方法，其特征在于，定点喷头调度控制算法为：基于多模型融合的深度学习杂草识别模型识别到杂草恶性杂草区域，并采用3D相机计算出杂草区域面积后，分配相应的喷头进
...【技术特征摘要】
1.一种用于棉田的精准视觉除草方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的一种用于棉田的精准视觉除草方法，其特征在于，所述步骤一中，所述预处理包括对图像进行图像标注、图像增强和图像大小标准化。
3.根据权利要求1所述的一种用于棉田的精准视觉除草方法，其特征在于，所述步骤一包括以下操作：
4.根据权利要求1所述的一种用于棉田的精准视觉除草方法，其特征在于，所述步骤二中，基于多模型融合的深度学习杂草识别模型的构建步骤如下：
5.根据权利要求1所述的一种用于棉田的精准视觉除草方法，其...
【专利技术属性】
技术研发人员：图尔荪·艾力，
申请(专利权)人：江苏维田科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。