基于VD-UNet与LAB(ab)-Kmeans协同的轻量化油菜-杂草实时分割框架研究

本文推荐：该研究创新性地提出轻量化双任务框架，将改进型VD-UNet（参数量降低43.75%，FLOPs减少10.91%）与无监督LAB(ab)-Kmeans算法结合，实现油菜(mIoU 97.40%)与杂草的协同分割。通过VanillaNet编码器+DySample解码器提升边缘细节恢复，配合LAB色彩空间a/b通道聚类（轮廓系数0.60），在1024×1024分辨率下达10.33 FPS，为精准农业中的实时杂草检测提供高效解决方案。

　　

Highlight

本研究通过轻量化双任务框架，将增强型VD-UNet与无监督LAB(ab)-Kmeans算法相结合，实现了油菜(Brassica napus L.)与杂草的协同分割。

Ablation study of VD-UNet

为验证VanillaNet特征提取网络和DySample上采样器对油菜分割的性能提升，本研究以原始UNet为基线模型进行消融实验。实验对比了四种配置：原始UNet、仅含VanillaNet的UNet(M1)、仅含DySample的UNet(M2)以及同时包含VanillaNet和DySample的VD-UNet。

从模型复杂度角度看，VD-UNet参数量减少43.75%，计算量(FLOPs)降低10.91%，在1024×1024分辨率图像上实现97.40%的mIoU，推理速度达10.33帧/秒。

Conclusions and future work

本研究提出了一种创新的混合框架，将轻量化VD-UNet与无监督LAB(ab)-Kmeans方法相结合，用于农田中油菜与杂草的联合分割。通过将VanillaNet集成到U-Net编码器中，模型参数量减少43.75%，推理速度提升至10.33帧/秒，mIoU达到97.40%，优于DeepLabv3+和PSPNet等成熟模型。该框架为精准农业中的实时杂草检测提供了经济高效的解决方案。