精密农业的轻量级多光谱作物-杂草分割
计算机视觉与模式识别
2025-05-26 v1 机器人学
图像与视频处理
摘要
高效的作物-杂草分割是精密农业中实现局部杂草控制的关键。传统基于卷积神经网络(CNN)的方法在泛化性方面存在挑战, 且仅依赖RGB图像, 在复杂田间环境下性能受限。为此, 本文提出一种轻量级变换器-CNN混合模型。该模型利用专用编码器处理RGB、近红外(NIR)和红边(RE)波段, 并采用动态模态集成策略。模型在WeedsGalore数据集上进行评估, 分割精度(平均IoU)达到78.88%, 相较于仅使用RGB的模型提升了15.8个百分点。该模型仅包含870万参数, 在保持高精度的同时, 具备计算效率和在无人机(UAV)和边缘设备上实时部署的潜力, 为精密杂草管理提供了新解决方案。
引用
@article{arxiv.2505.07444,
title = {Lightweight Multispectral Crop-Weed Segmentation for Precision Agriculture},
author = {Zeynep Galymzhankyzy and Eric Martinson},
journal= {arXiv preprint arXiv:2505.07444},
year = {2025}
}
备注
4 pages, 5 figures, 1 table