EcoWeedNet：面向可持续下一代农业消费电子的轻量级自动化杂草检测方法
计算机视觉与模式识别
2025-10-01 v2 人工智能
摘要
可持续农业在保障消费者世界粮食安全方面发挥着至关重要的作用。可持续精准农业面临的一个关键挑战是杂草生长，因为杂草与作物争夺水分、土壤养分和阳光等基本资源，从而显著影响作物产量。在精准农业中采用自动化计算机视觉技术和地面农业消费电子车辆，提供了可持续的低碳解决方案。然而，先前的工作存在准确率和精确率低以及计算开销高等问题。本工作提出了EcoWeedNet，一种新颖的模型，在不引入显著计算复杂性的情况下增强了杂草检测性能，符合低碳农业实践的目标。通过在反映真实世界场景的CottonWeedDet12基准数据集上的全面实验，证明了所提模型的有效性。EcoWeedNet实现了与大型模型相当的性能（[email protected] = 95.2%），但参数显著更少（约为YOLOv4参数的4.21%），计算复杂度更低，计算效率更高（约为YOLOv4 GFLOPs的6.59%）。这些关键发现表明EcoWeedNet可部署在低功耗消费硬件上，能耗更低，从而减少碳足迹，进而强调了EcoWeedNet在下一代可持续农业中的应用前景。这些发现为更广泛地应用环境友好型农业消费技术指明了前进方向。
引用
@article{arxiv.2502.00205,
title = {EcoWeedNet: A Lightweight and Automated Weed Detection Method for Sustainable Next-Generation Agricultural Consumer Electronics},
author = {Omar H. Khater and Abdul Jabbar Siddiqui and M. Shamim Hossain and Aiman El-Maleh},
journal= {arXiv preprint arXiv:2502.00205},
year = {2025}
}