引言
使用自主农业车辆实现田间作业自动化是提高生产力和减少劳动力依赖的关键策略 (Lillford & Hermansson, 2021)。对于大规模部署，建立可靠的导航能力是必不可少的先决条件 (Nahavandi et al., 2025)。虽然基于 GNSS 的解决方案在结构化旱地环境中有效 (Zhao et al., 2023, Jing et al., 2023)，但稻田带来了独特的挑战。如图 1A 所示，水稻秧苗在狭窄的行中密集移植，对横向偏差的容忍度极小。积水和泥泞的表面由于移植误差、水流和早期分蘖动力学引入了空间不规则性 (Li et al., 2025)。这些因素使建立稳定的导航参考变得复杂。因此，对定位精度和实时感知提出了严格要求 (Bai et al., 2023)。这些条件使得基于视觉的导航成为稻田作业的特别实用解决方案 (Zhang et al., 2024)。
作物行检测是基于视觉导航的核心。大多数现有研究将水稻作物行感知表述为逐帧检测问题，通过几何建模 (Ruan et al., 2023)、语义分割 (Wang, Zhang, Wang & Yu, 2021) 或混合方法 (Ma, Tao, Du, Yu & Wu, 2021) 从每一帧中独立检测的行特征中得出导航决策。相关方法论也已开发出来以提高检测效率 (Li et al., 2023a)、结构鲁棒性 (Li et al., 2023b) 以及对挑战性物候阶段的适应性 (Li et al., 2023c)。如图 1B 所示，这些方法通常在预定义的感兴趣区域 (RoI) 内运行，并依赖逐帧启发式方法进行导航决策 (De Silva et al., 2024, Li et al., 2022, Yang et al., 2023)。然而，在具有重复行模式、强视觉相似性和频繁遮挡特征的密集稻田中，逐帧方法经常出现目标混淆和中心行选择不稳定的问题，降低了导航可靠性。最近的研究引入了实例级作物行分割网络，例如 InstaCropNet (Guo et al., 2024) 和双通路实例分割框架 (Chen et al., 2025)，它们将每一行作物视为一个独立的实例。然而，这些方法仍然局限于静态逐帧识别，并未解决时间身份保持问题，使得连续帧之间一致的行对应关系和身份连续性问题在很大程度上仍未解决。因此，出现了明显的研究缺口。当前的农业文献尚未解决建立一致行对应关系的问题。跨连续帧保持身份连续性的问题仍未得到解决。
一个自然的扩展是引入跨帧的时间关联，正如多目标跟踪 (MOT) 领域所研究的那样 (Zhang et al., 2022a, Cao et al., 2023a)。然而，直接将传统 MOT 框架应用于作物行感知仍然存在根本性问题。现有的 MOT 方法依赖于诸如物体级身份持久性 (Kalake, Wan, & Hou, 2021) 和外观一致性 (Pramanik, Pal, Maiti & Mitra, 2021) 等假设，这些假设在作物行场景中被违反。作物行不对应固定的视觉实体。随着车辆向前移动，新的秧苗不断进入视野 (FoV)，而其他秧苗退出，尽管代表同一条物理行，但导致视觉组成不断变化 (Meimetis, Daramouskas, Perikos, & Hatzilygeroudis, 2023)。此外，密集排列且视觉相似的行引入了严重的关联歧义，而它们细长的几何结构偏离了大多数 MOT 模型背后的紧凑物体假设。这些差异表明，作物行感知不能通过直接采用现有的跟踪范式来解决。仍然存在一个开放的方法论缺口。具体来说，现有文献缺乏一种在独特的结构田间约束下强制时间跟踪一致性的方法。
现有的 MOT 约束主要在三个层面运作：运动约束调节单个轨迹的时间演化，空间约束限制局部成对邻近性或重叠，基于图的约束建模目标之间的关系统性。然而，这些约束并未明确要求全局分配置换保留在相邻帧之间保持局部有序的行结构的横向顺序。因此，局部合理的成对匹配仍可能产生拓扑不一致的身份反转。
为解决这些局限性，作物行感知被重新表述为针对复杂稻田的结构化序列跟踪问题，将焦点从孤立的逐帧识别转移到连续序列对齐 (图 1C)。提出的相对水平排序约束作为分配过程中的偏序约束被引入。对于可见的作物行，从左到右的顺序预计在相邻帧之间保持大致稳定，尽管局部位置可能因振动、透视压缩或分割噪声而波动。因此，从历史轨迹到当前检测的关联应该是单调的。通过惩罚反转对，所提出的策略将标准二分图匹配转换为保持拓扑的序列对齐，最小化跟踪不连续性，并在严重田间噪声下抑制相邻水稻行之间拓扑不一致的轨迹反转。
本研究的主要贡献总结如下：1) 作物行感知被表述为有序序列跟踪问题，以在逐帧检测之外改进时间身份保持。2) 通过将近似水平排序先验纳入数据关联过程，引入了一种拓扑感知关联策略，使其与运动预测、空间门控和掩膜级相似性互补。3) 所提出策略的实用价值在不同田间干扰下的稻田跟踪和导航场景中得到了评估。
