计算机技术·信息工程
薛金利 , , 戴建国 , , 赵庆展 , , 张国顺 , , 崔美娜 , , 蒋楠 ,
目的 变量作业是精细农业的核心目标，而杂草快速准确检测是精准除草的先决条件。基于此，本文提出了一种
基于改进的 YOLOv3 模型的棉田杂草快速检测方法。方法 首先，利用无人机平台获取 0.10、0.29、0.52 cm 分辨率的
棉花苗期影像，进行正射校正、拼接、裁剪、标注等前期处理，构建 3 个数据集；其次，通过目标维度聚类、改进模型结
构等方法优化 YOLOv3 网络模型；最后通过对比分析测试结果得到最优模型和最佳分辨率。结果 改进的 YOLOv3 模
型应用于 0.29 cm 分辨率的影像数据对棉田杂草检测效果最好。相较于原始模型，改进的 YOLOv3 模型杂草检测精度
在 3 个数据集上分别提升了 10.62%、12.89%、15.77%，尤其在 0.29cm 数据集上识别率和召回率分别达到了 94.06%、
90.26%，同时识别速度可达 51 帧 /s。结论 在检测精度和运行速率方面，本文提出的棉田杂草模型均可满足实际农业
生产需要。研究成果为精准除草提供了理论基础，同时文中所用方法也可为其他类型的农田地物检测提供借鉴。
