黑grass 在小麦和大麦作物中的多光谱细粒分类

随着杀草剂抗性水平的提高以及过度使用杀草剂的环境成本日益明显，新的管理方法逐渐成为必要。尤其是对于作为全球重要农田作物的小麦和大麦，这种需求更为迫切。即便在这些作物中进行有限的进步，也可能为环境和粮食安全带来重大益处。黑grass 是北西欧等主要谷物生产区的一个重要草类杂草，其抗草剂水平较高，给当地作物的管理带来特定挑战。由于其与谷物的相似性，黑grass 的检测也十分困难。然而，本研究对该领域文献的系统性综述显示，黑grass 以及其他草类杂草的研究关注度远低于某些宽叶杂草。本文利用机器视觉和多光谱成像技术，探讨了在小麦和大麦作物中识别黑grass 的最新方法效果。为此，我们提供了东英格兰黑grass 数据集，该大型数据集用于评估黑grass 杂草识别的几个关键方面。首先，我们确定不同卷积神经网络(CNN)和基于 transformer 的架构在来自未见字段图像上的性能。其次，我们展示了不同光谱波段对杂草分类性能的影响。最后，我们评估了数据集规模对每种模型试验结果中的分类性能所起的作用。所有测试的模型在准确率上均超过 80%。我们的最佳模型实现了 89.6% 的准确率，且仅需一半的训练数据即可达到此性能。本数据集可在 https://lcas.lincoln.ac.uk/wp/research/data-sets-software/eastern-england-blackgrass-dataset 获取。