精确杂草控制技术的研究现状

农田杂草不仅与作物争光、争水、争肥、争空间，导致作物品质受损及产量下降，而且妨碍收获作业，增加生产成本，给农业生产造成了巨大危害。为此，阐述了精确杂草控制的意义；综述了国内外在该领域的研究进展；探讨了计算机杂草识别的方法；并指出了该技术在我国的应用前景和发展方向。     

保护性耕作条件下农田杂草及病虫害的综合防治技术

1农田杂草的涵义 农田杂草指农田中非栽培的植物：如灰藜、野燕麦等,还有种植作物以外的其它作物：如麦田的油菜等作物,也称自生苗。2农田杂草的危害2.1与农作物争水、肥、光能等杂草根系庞大,吸收水肥能力极强。     

科尔沁区保护性耕作玉米农田综合除草相关因素及配套措施

机械化保护性耕作为发展农业生产、保护生态环境、节约作业成本、提高农业工效发挥了巨大作用。随着保护性耕作实施规模的扩大和时间的延续，一些区域性的病虫草害发生扩展，尤其是杂草危害日趋严重。根据我们对保护性耕作玉米农田杂草危害调查，     

杂草信息实时获取技术与设备研究进展

杂草信息的实时获取技术是田间杂草精准控制研究的首要问题,杂草实时获取设备是制约精准除草作业实现的瓶颈.综述了基于光谱、图像和光谱成像技术的杂草实时获取技术与设备的国内外研究现状,以促进精准杂草管理技术在我国的应用和发展.基于光谱的杂草信息获取方法较适用于实时防除作物出苗前的杂草,国外已有WeedSeeker、Weed-IT等杂草传感器.基于图像的杂草信息获取方法较适用于识别行间杂草,国外已有Autopilot、Cam Pilot、Robocrop等视觉导航产品和Robocrop InRow机械除草机防除行内杂草.基于光谱成像的杂草信息获取方法较适用于识别行内杂草,中、澳正联合研发微光子植物判别和杂草控制传感器.需要继续深入研究在复杂的开放式非结构的农田环境中,快速、准确地实时获取农田杂草信息技术.     

正态分布下最小错误率的变量喷施贝叶斯决策

传统农田除草采用田间统一定量均匀喷洒,导致了除草剂浪费和环境污染问题。智能变量喷施能够保护环境和提高作物产量,是促进农业可持续发展战略的重要途径。为此,对经典的杂草监测参数进行改进并提出了正态分布下最小错误率的贝叶斯决策以实现精确变量喷施。首先对农田图像进行灰度化、二值化及去噪等预处理;然后依据作物行中心线对农田图像进行网格单元的划分,并在网格单元格内提取改进的杂草监测参数;最后将贝叶斯决策分为两个阶段:线下阶段利用改进的杂草监测参数数据库计算正态分布参数,线上阶段根据改进的杂草监测参数实现正态分布下最小错误率的贝叶斯决策,从而为变量喷施提供决策依据。实验结果表明:正态分布下最小错误率的贝叶斯决策正确率可达92%,与BP算法和SVM算法相比决策正确率相对较高。     

农田杂草识别技术的现状与展望

杂草是农业生产的大敌，其蔓延速度快，危害严重。目前采用的杂草识别技术主要有人工识别、计算机视觉技术识别、绿色识别、近红外光谱分析技术识别。近年来，随着光学仪器的不断发展和近红外技术的不断成熟，近红外技术的应用越来越广，因此基于近红外技术的杂草识别——绿色识别和近红外光谱分析技术识别将是今后农田杂草自动识别的主要措施。     

农田杂草识别方法研究进展

杂草识别是实现精确除草的前提。为此,阐述了利用形态特征、颜色特征、光谱特征、纹理特征以及多特征融合方法识别杂草的原理、研究现状和难点。同时,介绍了模式识别等方法在杂草识别中的应用;分析并比较了行间、行内杂草识别方法的特点,指出行内杂草的识别远复杂于行间杂草识别,是精确除草的难点,对农田杂草识别和精确除草有较好的参考价值。     

视觉传感式除草剂变量喷洒系统

视觉传感式除草剂变量喷洒系统是利用CCD(ChargeCoupledDevice)数码相机对农田进行扫描,对杂草和农作物进行鉴别,根据杂草的多少来控制喷药量。这样,一方面减少了喷药量、降低了成本;另一方面保护了作物、减少了对环境的污染。与传统的喷药方法比较,变量喷药系统在杂草高密度区可节约药液18%,在杂草低密度区可节约药液71%。     

一种从土壤背景中分离出作物的图像分割方法

杂草是指生长在不适当的地方的植物，其生长对经济作物的影响弊大于利。杂草与经济作物争土壤、阳光和水肥，而且极易蔓延。杂草的蔓延是导致作物减产的主要因素，并可能会使作物的生产量减少25％-30％。     

基于改进YOLOv5算法的农田杂草检测

随着智慧农业技术和大田种植技术的不断发展,自动除草具有广阔的市场前景。关于除草剂自动喷洒的有效性,农田杂草的精准、快速地识别和定位是关键技术之一。基于此提出一种改进的YOLOv5算法实现农田杂草检测,该方法通过改进数据增强方式,提高模型泛化性;通过添加注意力机制,增强主干网络的特征提取能力;通过改进框回归损失函数,提升预测框的准确率。试验表明,在芝麻作物和多种杂草的复杂环境下,本文方法的检测平均精度均值mAP为90.6%,杂草的检测平均精度AP为90.2%,比YOLOv5s模型分别提高4.7%和2%。在本文试验环境下,单张图像检测时间为2.8 ms,可实现实时检测。该研究内容可以为农田智能除草设备提供参考。     

基于位置特征的行间杂草识别方法

研究了利用条播作物的位置特征识别行间杂草的方法。根据条播作物成行排列的位置特征,利用像素位置直方图法识别作物中心行。根据多数杂草位于作物行之间裸土中的位置特征,以每条作物行左右边界线段的起始点作为种子,运用种子填充算法填充与其相连通的作物行区域,从而识别行间杂草。试验表明：行间杂草的准确识别率平均为80%,错误识别率平均为4.2%,适用于早期作物田间杂草识别。     

基于DSP和单片机的实时变量喷药系统设计

为防治玉米农田杂草危害,设计了一种基于DSP识别和单片机控制的杂草实时变量喷药系统。数字信号处理器(DSP)实时数据处理能力强,单片机控制能力强。DSP作为喷药系统上位机图像处理模块的CPU,对田间玉米杂草图像实时采集、处理,分离出杂草,生成杂草位置信息表,发送给作为系统下位机控制模块CPU的单片机;单片机通过电磁阀控制6个喷头的开闭实现精准变量喷药。田间试验表明:系统在室外田间复杂情况下可以满足实时精准喷药要求,在作业机械速度为4km/h时,喷药精确度可以达到91.4%。     

垄作技术体系

垄作体系是指在上茬作物中耕时形成的垄上播种作物的耕作方法。此体系中以中耕和除草剂相结合的方法控制杂草。垄上的残茬及草籽被播种杌上的清垄装置推到垄沟里，种子被播在稍高于垄间的原垄台上，常采取播种后的苗带上喷施除草剂来控制杂草，以中耕方式来控制垄间的杂草并为下茬作物形成垄台。图1为各阶段垄断面图。     

基于多尺度注意力和深度可分离卷积的农田杂草检测

农田杂草根除是促进农业稳定生产的前提。由于杂草种类多,且相同物种因大小、颜色和位置的变化多样,导致传统农田杂草检测算法性能不高。提出一种基于多尺度注意力和深度可分离卷积的农田杂草检测算法。首先,利用深度可分离卷积改进主干网络VGG-16,降低模型参数量,加快模型的训练;然后,采用多尺度注意力模块提取杂草的多尺度特征,增强模型对形态图像特征的捕获能力。通过在不同时间段测试多个农田杂草样本,结果表明：本文算法的精准率为94.69%、召回率为94.88%和F1值为93.82%。与当前主流杂草检测模型相比,在保持较高检测性能的基础上,具有更低的时间开销,可应用于农田杂草的自动检测。     

保护性耕作玉米田播后苗前化学除草对比分析

由于保护性耕作减少对土壤的扰动，致使农田杂草数量增多，通过化学除草、机械除草、人工除草、农业轮作等各项除草试验，探索出适合保护性耕作玉米田杂草控制技术，选择出最佳的综合除草方案．促进保护性耕作技术长期稳步发展。     

红菇娘化学除草技术的研究

<正>红菇娘为野生绿色食品资源,具有很高的医疗价值,红菇娘为野生药食两用作物,具有一定的医疗价值和保健功能,能治疗糖尿病、高血压等疾病,深受广大用户欢迎,有一定的市场价值。在红菇娘的种植过程中,农田杂草会影响产量和品质。杂草是农作物的天敌,与作物争水、争肥、争光、争生存空间,严重影响农作物的生长与发育。所以在使用药剂防治中,应正确施用     

2012年临汾市麦田杂草的发生与防治

小麦是临汾市的主要粮食作物。然而近年来，麦田杂草危害逐年加重，杂草种类越来越多，发生范围越来越大，对小麦的安全生产构成严重威胁。这些杂草与小麦争光、争肥、争水，造成小麦个体发育不良，麦穗变小，穗粒数减少，导致产量下降，品质降低，同时易倒伏，严重影响小麦的正常生长发育，给小麦生产带来大幅度的减产。并可引致某些病虫害的发生。     

基于深度学习的杂草识别方法研究进展

伴生杂草不仅与作物争夺养分和水分,而且还是多种病虫害的中间寄主,成为困扰作物高效生产的难题。随着深度学习技术的发展,杂草的自动检测和分类识别在清除杂草过程中得到重要应用。首先阐述应用于杂草识别过程中深度学习的硬件需求以及软件实现过程,分析用于深度学习不同硬件的优缺点,阐述深度学习模型建立、训练、模型评估以及模型部署等基本步骤;并重点论述深度学习方法在杂草和作物识别以及杂草分类识别的研究进展。然后指出深度学习数据需求量大,目前无通用数据集,杂草、作物相互遮挡,光照环境复杂,机器作业条件恶劣等情况下识别准确率低的问题。最后提出图像与光谱数据融合、杂草识别模型模块化、杂草长势预测、模型嵌入式部署研究将成为基于深度学习的杂草识别方法未来的研究方向。     

基于多特征的杂草逆向定位方法与试验

提出了一种基于多特征的杂草逆向定位方法。以田间作物作为研究对象,将多目标杂草定位问题转换为单目标的作物定位问题。采用作物叶片HU不变矩与形状特征的识别准确定位出每一株作物,然后基于颜色特征将作物区域以外的绿色植物均认定为杂草。设计了一款小型杂草定位装置,并应用在宽幅喷药机上。田间试验结果表明,在喷药机工作速度为5 km/h时,该系统对于大豆田间杂草识别的准确率为90%以上,较好地解决了杂草定位与精细喷洒农药问题。     

应用机器视觉技术识别田间杂草的研究

田间杂草的识别是准确使用除草剂有效的依据，对提高农作物产量、降低成本、生产出满足消费者需求的无害产品是非常重要的。为此，就如何利用机器视觉技术从复杂的土壤背景下分离出植物(作物和杂草)的方法进行研究，从而为杂草的识别做前期准备工作。