Абстрацт
Корови у пољима јагода се брзо размножавају, лишавајући саднице јагода хранљивих материја и светлости, повећавајући локалну температуру животне средине и служе као посредни домаћини штеточинама и болестима, убрзавајући њихову појаву и ширење. Да би се решио проблем контроле корова током узгоја садница јагода, овај рад дизајнира аутономни ласерски робот за плијевљење поља са јагодама заснован на ДИН-ЛВ-ИОЛО. Прво, успостављањем скупова података са поља јагода у различитим окружењима, предлажемо ДИН-ЛВ-ИОЛО: метод детекције за навигацију цеви за наводњавање кап по кап и ласерско уклањање корова, који може да открије саднице јагода, коров, цеви за наводњавање кап по кап и тачке раста корова} у реалном времену{{6}. Модел конструише главе предвиђања на мапама функција високе{8}}разлучивости ИОЛОв8-позе. ЕМА модул пажње се додаје пре главе предвиђања и модула Спатиал Пирамид Поолинг Фаст (СППФ) да би се ухватили упарени односи на-нивоу пиксела. Овај приступ боље користи детаљне информације са плитких мапа карактеристика, побољшавајући детекцију малих циљева. Поред тога, деформабилне конволуције се користе за адаптивно хватање циљних карактеристика, замењујући другу конволуцију у структури уског грла модула за фузију карактеристика, побољшавајући детекцију издужених циљева цеви за наводњавање кап по кап. Затим, ДИН-ЛВ-ИОЛО је интегрисан у ласерски робот за плијевљење корова. Контролни систем одређује навигациону путању на основу ширине цеви за наводњавање кап по кап за контролу повратне спреге и позиционира ласерски циљ добијањем координата тачака раста корова у односу на саднице јагода и цеви за наводњавање кап по кап, постижући аутономне операције ласерског уклањања корова. Резултати тестирања показују да ДИН-ЛВ-ИОЛО модел показује снажне перформансе препознавања података о пољима јагода у различитим окружењима и фазама раста. Просечна прецизност (мАП) модела у откривању регионалних и тачкастих циљева је 88,5% и 85,0%, респективно, што је побољшање за 1,9% и 2,6% у поређењу са оригиналним моделом, испуњавајући захтеве рада у реалном времену аутономног ласерског робота за уклањање корова. Резултати теренских испитивања показују стопу сузбијања корова и повређивања садница од 92,6%, односно 1,2%, што испуњава агрономске услове за механичко закоровљавање на пољима јагода. Налази доприносе дизајнирању интелигентне пољопривредне опреме и промовишу примену машинског вида у заштити усева јагоде.
Увод
Јагоде су вишегодишње зељасте биљке из породице Росацеае, које се обично размножавају вегетативно путем столона. Биљке јагоде ниског раста{1}}е су веома осетљиве на околни коров и у расадницима и у пољским срединама. Снажни корови не само да се такмиче за хранљиве материје и светлост, повећавајући локалну температуру животне средине, већ служе и као посредни домаћини штеточинама и болестима, убрзавајући њихово ширење. Сходно томе, сузбијање корова директно утиче на принос и квалитет јагода. Обично примењени хербициди пре- и после-избијања негативно утичу на принос, животну средину и здравље радника (Хуанг ет ал., 2018). Рабиер ет ал. (2017) су приметили да су механички пленићи мање ефикасни од хербицида, пошто конвенционални плеви (нпр. мотике, ротационе лопатице) не могу посебно да циљају унутар{14}}коров у редовима. Поред тога, поремећај земљишта услед обраде може нанети штету корисним организмима у земљишту, као што су кишне глисте, и довести до ерозије земљишта и испирања хранљивих материја (Цхаттерјее & Лал, 2009). Забринутост у вези са тренутним методама сузбијања корова наглашава потребу за иновативним решењима, међу којима је обећавајућа ласерска{18}}базирана контрола корова (Тран ет ал., 2023).
У области ласерске{0}}сузбијања корова, различити напретци су стално покретали развој технологије. Хеисел ет ал. (2001) су пионири у употреби ласерских зрака за сечење стабљика корова за контролу корова. Касније су Матијасен и др. (2006) су спровели-дубинску студију ефеката ласерског третмана на сузбијање корова, откривши да је излагање ласеру апикалним меристемима корова значајно смањило раст и било фатално за одређене врсте корова. Надими и др. (2009) дизајнирали су ласерски уређај за тестирање корова који симулира динамичко циљање корова. Након тога, Маркс и др. (2012) су експериментално демонстрирали да ефикасна контрола корова захтева ЦНЦ (компјутерска нумеричка контрола) прецизно циљање меристема, док Ге и сар. (2013) и Ксуелеи ет ал. (2016) сваки је предложио концепте роботске руке за ласерско уклањање корова. Арса и др. (2023) представили су конволуциону неуронску мрежу са архитектуром кодера-декодера за откривање тачака раста корова, наглашавајући значај и изводљивост детекције-тачака раста за прецизно ласерско циљање у овој технологији. Заједно, ове студије су систематски унапредиле ласерску{24}}технологију за контролу корова у различитим димензијама.
Последњих година, да би се суочили са изазовима пољског корова, истраживачи су користили технике дубоког учења за откривање корова на пољима усева. Гао ет ал. (2020) развили су метод користећи дубоку конволуциону неуронску мрежу (ЦНН) засновану на ИОЛОв3- за разликовање шећерне репе од корова, док Јабир и сар. (2021) применио је четири мрежне архитектуре-Детецтрон 2, ЕффициентДет, ИОЛО и Фастер Р-ЦНН-да би разликовао орхидеје од конволвулуса, бирајући најприкладнију структуру за откривање корова. Цхен ет ал. (2022) је побољшао модел ИОЛОв4 укључивањем СЕ модула као логичког слоја у СПП и додавањем локализованог обједињавања значаја, адресирајући варијације у циљним величинама и значајно побољшавајући ефикасност и тачност препознавања корова на пољима сусама. Висентин ет ал. (2023) су демонстрирали хибридни аутономни роботски систем за плијевљење корова који је постигао интелигентно и аутоматизовано уклањање корова. Схао ет ал. (2023) су се позабавили сложеним проблемима на пољима рисова-као што су рефлексија воде, позадина тла, раст који се преклапају и различито осветљење-предлажући побољшани модел дубоког учења, ГТЦБС-ИОЛОв5с, за идентификацију шест врста корова. Фан ет ал. (2023) креирали су интегрисани модел детекције и управљања коровом користећи ЦБАМ модул, БиФПН структуру и алгоритам билинеарне интерполације. Ксу ет ал. (2023) су представили нови приступ који комбинује видљиве индексе боја са методом сегментације инстанце заснованом на архитектури енкодера-декодера, ефикасно решавајући изазов прецизног откривања и сегментирања корова међу густо засађеним усевима соје. Лиао ет ал. (2024) предложио је нови модел Стрип Цонволутионал Нетворк (СЦ-Нет), постигавши миоУ резултате од 87,48% и 89,00% на прилагођеним садницама пиринча и јавним пољопривредним скуповима података, показујући високу тачност и стабилност. Ронаи ет ал. (2024) је проценио учинак СМА у процени покривености коровом у различитим фазама раста, као и у спектралној и просторној резолуцији. Раи и Сун (2024) развили су једно-архитектуру дубоког учења у једној фази која је способна и за локализацију граничних оквира и за сегментацију инстанце корова на нивоу пиксела-у сликама даљинског откривања добијеним УАВ-ом.
Укратко, садашња истраживања се првенствено фокусирају на разликовање усева од корова. Међутим, за ласерско уклањање корова у пољима јагода, неопходно је не само идентификовати коров, већ и открити цеви за наводњавање кап по кап и локализовати координате тачке раста корова како би се омогућиле прецизне операције корова. Коришћење цеви за наводњавање кап по кап за навигацију на терену додаје функционалност једном мрежном моделу, оптимизујући рачунарске ресурсе. Ипак, различите величине биљака јагода, танке цеви за воду и сложени услови, као што је преклапање између садница јагода и цеви, као и густо скупљени коров, представљају значајне изазове за прецизно издвајање и учење карактеристика корова, садница јагода, тачака за наводњавање у пољу за наводњавање.
На основу горњег контекста, ова студија има за циљ да: (1) успостави скуп података који покрива различите услове раста и фазе за поља јагода, цеви за наводњавање кап по кап, коров и тачке раста корова; (2) предложити ДИН-ЛВ-ИОЛО модел за прецизно откривање поља јагода, цеви за наводњавање кап по кап, корова и тачака раста корова; (3) развити контролни систем заснован на ДИН-ЛВ-ИОЛО моделу за управљање навигацијом-у реалном времену и ласерским циљањем за робота за уклањање корова; и (4) спровести пробе на терену постављањем ласерског робота за плијевљење корова на пољима јагода како би се проценио његов аутономни учинак ласерског уклањања корова у стварним условима на терену.
