SWNet：用于伪装 weed 检测的跨光谱网络
计算机视觉与模式识别
2026-04-20 v1 人工智能
摘要
本文提出了 SWNet，一种专为检测密集农业环境中伪装作物而设计的 bimodal 端到端跨光谱网络。植物伪装特征为同色调混合，其中入侵物种模拟主要作物的表型特征，构成传统计算机视觉系统的重大挑战。为克服这些限制，SWNet 利用 Pyramid Vision Transformer v2 backbone 捕获长程依赖关系，并采用 Bimodal Gated Fusion Module 动态集成可见光和近红外信息。通过利用叶绿素反射在近红外光谱中的生理差异，该架构有效地区分了在可见光范围内难以区分的目标。此外，采用 Edge-Aware Refinement 模块以产生更锐利的物体边界并减少结构歧义。在 Weeds-Banana 数据集上的实验结果表明，SWNet 在十个最先进方法中取得优异性能。该研究表明，跨光谱数据与边界引导式细化的集成对于在复杂作物冠层中实现高分割精度至关重要。代码已在 GitHub 上提供：https://cod-espol.github.io/SWNet/
引用
@article{arxiv.2604.16147,
title = {SWNet: A Cross-Spectral Network for Camouflaged Weed Detection},
author = {Henry O. Velesaca and Luigi Miranda and Angel D. Sappa},
journal= {arXiv preprint arXiv:2604.16147},
year = {2026}
}