面向精准农业中植株特异性处理的茎秆联合检测与作物-杂草分类

施用农药是传统作物生产中进行杂草控制的默认流程，但对环境有负面影响。机器人有潜力对田间每一株植物进行单独处理，从而可减少此类化学品的使用量。为实现这一点，机器人需要具备在田间识别作物与杂草的能力，并且还必须选择有效的处理方式。虽然某些类型的杂草可通过机械方式处理，其他类型则需通过（选择性）喷洒来处理。本文提出一种方法，为有效的植株特异性处理提供必要信息。该方法输出杂草的茎秆位置以支持机械处理，并输出杂草的覆盖区域以支持选择性喷洒。我们的方法采用一个端到端可训练的全卷积网络，同时估计茎秆位置以及作物和杂草的覆盖区域。它联合学习按类别的茎秆检测与逐像素的语义分割。在不同真实世界数据集上的实验评估表明，我们的方法能够可靠地解决该问题。与最先进的方法相比，我们的方法不仅大幅提高了茎秆检测准确率（即区分作物与杂草茎秆），还提升了语义分割性能。