中国农业大学陈度教授级高级工程师等:基于改进DeepLabv3+的收获机视角下小麦倒伏区域在线检测

针对小麦收获机器人面对倒伏区域存在的漏收、堵塞等问题，该研究提出一种基于改进DeepLabv3+的收获机视角下小麦倒伏区域在线检测方法。首先基于车载相机构建包含4250幅机收场景倒伏图像数据集。其次，提出一种轻量化倒伏区域在线检测模型，以DeepLabv3+为基准模型，采用MobileViT主干网络融合CNN-Transformer优势降低参数量，重构深度可分离空洞卷积的ASPP（atrous spatial pyramid pooling）模块维持多尺度特征融合能力，并嵌入CBAM（convolutional block attention module）注意力机制强化倒伏区域边缘特征感知。

试验结果表明，基于MobileViT主干网络的模型参数量为5.47 MB，较MobileNetV2和Xception分别减少75.6%和97.4%，模型在自建数据集上的平均交互比mIoU、平均像素准确率mPA、F1-Score、精确率Precision及召回率Recall7分别为94.10%、97.44%、96.91%、96.40%与97.45%，较原DeepLabv3+分别提升3.70、2.79、2.09、3.05与1.00个百分点，小区域及边界分割效果最优。最后，开发了小麦倒伏区域在线检测系统，达到14.23帧/s的实时检测速率，倒伏区域检测的像素相对误差低于1%。研究结果可为小麦收获机器人高效低损作业调控提供技术支撑。