
-
生物通官微
陪你抓住生命科技
跳动的脉搏
用于结球甘蓝种植的深度学习增强型精准靶标喷洒视觉系统
《Precision Agriculture》:A deep learning-enhanced vision system for precision target spraying in chinese cabbage cultivation
【字体: 大 中 小 】 时间:2026年09月18日 来源:Precision Agriculture 7.6
编辑推荐:
摘要目的在对大白菜心部及内叶边缘进行钙肥靶向喷施的过程中,前进速度会影响单位时间内的有效喷洒面积、喷洒量和覆盖率。因此,本研究开发了一种基于深度学习的靶向喷施控制系统,以研究钙肥施用过程中前进速度、喷洒量与覆盖率之间的关系。方法靶向喷施控制系统由通用YOLOv8模型改进为一种
在对大白菜心部及内叶边缘进行钙肥靶向喷施的过程中,前进速度会影响单位时间内的有效喷洒面积、喷洒量和覆盖率。因此,本研究开发了一种基于深度学习的靶向喷施控制系统,以研究钙肥施用过程中前进速度、喷洒量与覆盖率之间的关系。
靶向喷施控制系统由通用YOLOv8模型改进为一种轻量化的BWT-YOLO模型,集成了远距离识别、前进速度和喷洒响应频率功能。该模型运行在Jetson Xavier NX控制器上,控制压力稳定执行单元和靶向控制单元,并通过间歇喷施实验进行测试。测试过程中,逐步增加前进速度,并根据电磁阀响应频率推算出相应的喷头喷洒量。
三个主要响应时间分别为:图像处理29.50毫秒,决策信号传输6.40毫秒,喷洒过程88.83毫秒,靶向喷施总响应延迟约为124.73毫秒。在补偿电磁阀延迟后,实际(补偿后)喷洒量与所需喷洒量之间的差异在7.2公里/小时时最小,为0.01升/分钟,满足靶向喷施的作业要求。
本研究建立了靶向钙肥喷施的速度—用量—覆盖率关系,并确定7.2公里/小时为最佳作业速度。基于BWT-YOLO的控制系统为靶向施用机器人提供了有效的框架,并为田间作业参数的选择提供了实用参考。