.png){kind=icon}
返回
Ridge-Structure-Based Crop Classification for Small UGV and Derived Detection Framework
.png){kind=icon}
PRE
AI
DOI：10.20965/jrm.2026.p0658.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
在作物检测中，垄结构为作物和杂草的分类提供了关键线索。然而，对于只能在小视场范围内捕获图像的地面无人车而言，获取垄结构较为困难。本研究提出了一种轻量级算法，使模型能够从植物间的空间关系和尺寸中隐式推断出垄结构。首先，目标检测器检测每个植物，并将生成的边界框作为节点中的成对特征。指示两个节点是否共享相同ID的元信息与其几何关系相结合，并编码为边特征。图注意力网络处理这些关系以推断和传播垄感知的规律性。通过仅从对象关系理解结构，该方法在不依赖任何显式边结构输入的情况下，补偿了因有限视场而丢失的信息。在训练/验证集与测试集之间刻意引入领域偏移的实验中，所提出的方法将基准mAP50从30.6%提高到44.4%，增幅高达13.8个百分点。此外，该方法在Jetson AGX Orin上仅需约10毫秒/帧即可对植物进行分类。该方法无需依赖外部传感器或手动调整阈值即可内部获取垄结构。因此，它显示出在自主除草等田间农业应用中的潜力。
Keyword:
crop and weed classification
crop detection
precision agriculture
