《Agriculture》：Lightweight Structure Semantic Segmentation Network for Corn Harvesting
编辑推荐：
自动行引导对于高效低损的玉米收获作业至关重要。然而，复杂的田间条件对可靠的行间感知构成挑战，同时许多深度学习模型计算需求较高。为此，研究人员提出了一种轻量化语义分割网络。研究构建了覆盖多种挑战性田间条件的数据集。基于DeepLabV3+框架，采用GhostNe
自动行引导对于高效低损的玉米收获作业至关重要。然而，复杂的田间条件对可靠的行间感知构成挑战，同时许多深度学习模型计算需求较高。为此，研究人员提出了一种轻量化语义分割网络。研究构建了覆盖多种挑战性田间条件的数据集。基于DeepLabV3+框架，采用GhostNetV2以降低计算成本，设计了SP-ASPP模块以增强细长行间结构的表征能力，并引入BiFormer以强化长程上下文建模。研究人员联合利用方向性多尺度上下文与稀疏长程交互，在遮挡和背景干扰下保持行间通行区域结构的连续性，同时维持轻量化架构。进一步采用结合Focal、Dice与Boundary损失的复合损失函数（Composite Loss），以提升区域完整性与边界定位精度。随后开发了导航线提取算法以生成稳定的引导路径。经结构化剪枝与TensorRT FP16优化后，模型在边缘平台上达到82.28%的mIoU和53.1 FPS的处理速度。提取的导航线平均绝对横向误差为4.2 cm，平均绝对航向误差为2.17°。上述结果表明，所提方法能够在资源受限硬件上实现准确的实时导航感知，为基于视觉的低成本玉米收获机引导提供支撑。
玉米是全球重要的粮食、饲料及工业原料作物之一，全球年产量超过12亿吨。随着农业机械化与智能化的发展，玉米收获机的自动行引导成为提升收获效率、降低作业损耗的关键技术。收获机在田间作业时需沿作物行方向稳定行驶，横向与航向偏差直接影响喂入均匀性、作业连续性与收获损失。然而，玉米生长中后期田间环境高度非结构化且动态多变，行间土壤区域常受叶片遮挡、杂草侵入、秸秆覆盖、光照变化、缺株、结构断裂及倒伏等影响。传统接触式传感器结构信息稀疏，GNSS/RTK无法感知局部行变形，LiDAR成本与处理复杂度较高，而常规图像处理方法依赖手工特征，适应性有限。深度学习虽提供了新途径，但现有研究多侧重提升精度或降低计算量，较少关注在行结构大面积被遮挡时保持细长行间通行区域的几何连续性。轻量级CNN易丢失全局结构线索，而强长程建模模型计算负担大。因此，在轻量计算、长程结构感知与边界保持分割之间实现平衡，仍存在明确的研究空白。
针对上述问题，研究人员基于DeepLabV3+框架提出轻量化结构感知语义分割网络。研究首先构建了覆盖玉米中后期生长阶段、多种相机高度及复杂田间条件的行间通行区域数据集。数据采集于2025年7月28日江苏省句容市及2025年10月10日江苏省南京市的玉米田，涵盖正常行结构、行间地面、叶片遮挡、杂草干扰、缺株、倒伏、强光照与阴影及行端场景。原始视频每30帧提取一帧，剔除模糊、曝光不良及无关样本后保留1240幅有效图像，按视频序列级划分训练集868幅、验证集186幅、测试集186幅。像素级标注采用任务导向二值策略，行间可通行区域为前景，其余为背景。训练集仅进行数据增强，包括±30°随机旋转、水平翻转、亮度对比度扰动及噪声注入，扩增至原始五倍。
研究采用的关键技术方法包括：以GhostNetV2替代Xception作为骨干网络，通过廉价线性操作生成额外特征图以降低计算量；设计SP-ASPP模块，引入水平和垂直条带池化分支以增强方向性多尺度上下文聚合；在SP-ASPP后插入BiFormer模块，利用双层路由注意力在语义增强特征上进行稀疏长程交互；采用Focal、Dice与Boundary损失加权组合的复合损失函数；开发自底向上的区域跟踪与鲁棒拟合导航线提取算法，结合Huber加权迭代重加权最小二乘与二次拟合约束。模型从零训练，Adam优化器，最大学习率1×10-4，余弦学习率调度。
消融实验结果方面，以DeepLabV3+ Xception为基准，MobileNetV2为轻量基准，依次引入GhostNetV2、SP-ASPP、BiFormer及复合损失。结果显示骨干网络显著影响精度与效率，GhostNetV2提供最佳权衡；SP-ASPP仅略微降低推理速度但更好维持行间区域垂直连续性；BiFormer改善长程特征交互并抑制背景干扰；复合损失在不增加推理成本下进一步提升分割质量。最终模型BF@3px和BF@0.75%对角线得分分别为21.31%和63.59%，优于基准的18.02%和59.93%。与ResNet-FCN和U-Net对比中，所提模型在mIoU、mPA、mPrecision及F1@0.75%上均最优，推理速度虽低于U-Net但仍满足实时要求。
导航线误差分析方面，将相同提取流程应用于预测掩码与人工标注掩码，以人工标注所得导航线为真值（GT）进行评估。横向偏差定义为导航线在垂直位置处的水平坐标与图像宽度之比，航向误差定义为导航线斜率对应的角度差。利用标定相机内参和针孔模型将像素误差转换为地面平面距离。测试集结果显示平均绝对横向误差4.2 cm，P95误差8.2 cm，平均绝对航向误差2.17°，P95误差5.00°。误差分布存在长尾，少量困难样本产生较大偏差，可通过离群点检测与时间平滑进一步降低。
模型剪枝与边缘部署方面，采用Torch-Pruning 1.6.1依赖图机制进行结构化通道剪枝，R10、R20、R30分别对应10%、20%、30%名义剪枝率。R10在分割精度与计算效率间提供最佳权衡。边缘平台由Intel N150处理器、16 GB内存及NVIDIA RTX PRO 2000组成，峰值功耗80 W。TensorRT FP16推理将R10模型延迟降至18.83 ms，吞吐量达53.10 FPS，同时保持近乎一致的像素级输出。
讨论部分指出，所提方法在分割精度与计算效率间实现良好平衡，但数据集在区域、品种、生育期和环境多样性方面有限，严重倒伏、强局部眩光及重度叶片遮挡下仍存在失败案例。未来需扩展数据集，采用轻量时间融合或状态滤波减少帧级波动，并需进行相机标定、逆透视映射及坐标变换以将像素输出转换为横向与航向误差。研究仅包含离线算法评估与边缘推理测试，未进行作业收获机上的闭环田间试验，所报误差表征感知与导航线提取阶段而非最终车辆跟踪性能。感知模块需与Pure Pursuit、Stanley或MPC等控制器集成并在田间试验中评估跟踪精度、控制稳定性与作业可靠性。
研究结论为：构建了覆盖多种相机高度和挑战性条件的行间通行区域数据集；开发了轻量化结构感知分割网络，R10结构化剪枝后mIoU达82.28%；设计了导航线提取方法，平均绝对横向误差4.2 cm、平均绝对航向误差2.17°；TensorRT FP16推理在边缘平台达53.1 FPS，验证了实时部署能力。未来将扩展数据集覆盖更多区域、生育期与环境条件，并研究相机标定、车辆坐标变换及闭环田间试验以进一步评估系统实用性。
