基于边缘驱动多尺度融合的轻量级实时Transformer模型RT-MWDT：复杂玉米田间杂草精准检测新方法

（编辑推荐）本研究提出RT-MWDT模型，通过轻量化双主干网络（dual backbone）与杂草融合对齐器（WFA）降低30%参数量，结合多级边缘驱动模块（MED-Detector）和超快速集成模块（HFIM），在玉米田间实现87.3% AP50和58.4% AP50:95的杂草检测精度，推理速度提升83.1%，为精准农业（precision agriculture）提供高效边缘部署方案。

　　

亮点

本研究开发的RT-MWDT框架通过三项创新突破玉米田杂草检测瓶颈：

1. 1.

   轻量级双主干网络与杂草融合对齐器（WFA）动态消除跨尺度特征错位，参数量减少30%

2. 2.

   多级边缘驱动检测器（MED-Detector）利用Sobel边缘金字塔双向融合，显著提升小目标边界识别

3. 3.

   基于可学习位置编码（AIFI-LPE）的注意力模块，在遮挡条件下定位准确率提升36.1%

模型评估

采用COCO评估协议的多维度测试显示：

• 整体性能AP_{_50:95}达58.4%，超越RT-DETR 0.3%

• 小目标检测AP_S提升36.1%，推理速度达83.1FPS

• 在Jetson Orin NX边缘设备上实现实时处理（<30ms/帧）

结论

RT-MWDT首次将Transformer架构成功应用于复杂农田场景，其边缘驱动多尺度融合策略为农业机器人（agrobots）提供高精度、低延迟的视觉解决方案，有望推动精准除草（site-specific spraying）技术革新。