在智慧农业方向，实验室近期把研究重点放在稻田早期杂草识别与变量施药这一具体环节。与通用作物分类不同，稻田场景的难点在于水稻与稗草、千金子等杂草在2–4叶期形态高度相似，且水面反光、泥浆遮挡和无人机姿态变化会显著影响成像质量。我们采用无人机多光谱与地面近景图像做双源配准，先以NDVI、红边波段和纹理特征建立候选杂草区域，再用轻量分割网络区分水稻与杂草，并把识别结果映射到施药网格，仅对杂草密度超过阈值的网格触发喷头，避免全田均匀喷药。
进展：已完成3个早稻试点田块的数据采集，累计标注1.2万张图像；在留出田块上，杂草召回率约0.89，误报主要集中在浮萍和缺苗区域。变量施药模拟显示除草剂用量可下降约18%，但识别延迟仍需压缩到200 ms以内。
下一步计划：加入时序信息与田块级先验，降低跨田块泛化误差；同时把模型量化部署到农机边缘盒，与喷头控制器做闭环验证。
评论