来源：期刊VIP网 时间：
作者：武志坤;张伟;亓立强;岳耀华;于春涛;张平;
单位：黑龙江八一农垦大学工程学院;黑龙江省保护性耕作工程技术研究中心;
摘要：为实现大豆杂草数量和面积的及时精确估算，提出了一种基于改进YOLO v5的大豆田杂草识别方法。以自然场景下的大豆田间杂草为研究对象，利用无人机获取图像数据并进行数据增强；通过引入自适应特征融合机制构建检测模型，结合实测数据建立实测数量面积与估算数量面积线性回归模型，得出农田杂草分布图。对比不同方法对杂草目标提取的结果表明：改进后YOLO v5-ASFF模型优于YOLO v5l、YOLO v5s和YOLO v5x,其F_1值为0.903,识别速度为0.268 s/张；实测与估算杂草数量面积线性回归模型相关系数R~2=0.973 0,拟合度较高。模型误差较低，能够快速、准确地识别大豆杂草数量面积，可为农田范围草情判断提供支撑。
关键词：大豆;;杂草识别;;无人机;;YOLO;;深度学习;;杂草分布
基金资助：国家现代农业产业技术体系项目(CARS-04-PS30);; 黑龙江八一农垦大学三横三纵项目(TDJH201808);; 中国大学生创业实践项目(202110223130)
