近日，中国农业大学农机装备智能化设计与制造高水平创新团队翟志强副教授在国际学术期刊Agriculture Communications发表研究论文《CropRowSeg：融合多尺度CNN与transformer的苗期作物行图像轻量化分割模型》(CropRowSeg: A lightweight model for seedling crop row image segmentation combining multi-scale CNN and transformer)研究论文。中国农业大学为唯一署名单位，硕士研究生田永浩为论文第一作者，翟志强副教授为通讯作者。该研究面向农机对行作业和作物表型观测对作物行视觉感知的实际需求，提出了从图像高效标注、模型架构设计到模型训练的系统解决方案。研究成果可为大田作物感知提供视觉基础模型，为研发农业人工智能专用模型提供借鉴思路。
随着智慧农业与智能农机的高质量发展，作物行视觉感知不仅是施肥、喷药、除草等田间对行作业装备实现自主导航的核心环节，也是冠层结构测量、作物长势评估等高通量作物表型监测的重要技术支撑。现有作物行图像分割方法存在数据标注成本高、模型计算量大、复杂场景泛化能力弱等问题，难以适配光照变化、杂草干扰、缺苗断垄、尘雾遮挡等复杂工况，成为制约技术应用落地的关键瓶颈。
针对上述问题，课题组从数据标注、模型架构、损失函数三个维度开展研究，构建了完整的作物行图像分割技术体系。根据对行作业的农艺特点，提出了基于中心线引导的条带标注方法，仅需人工标注冠层中心线的两个端点，结合冠层宽度约束即可自动生成分割掩码。该方法打破了传统精细标注范式，相比逐像素标注方法，可显著降低数据准备的人力成本。
在此基础上，提出了专用于作物行图像分割的深度学习模型CropRowSeg。CropRowSeg采用编码器—解码器架构设计。编码器运用CNN+ViT双分支结构，有效整合了CNN的局部特征提取能力和ViTs的全局上下文建模能力，能够更好的捕捉作物行初级视觉特征和高级语义特征。编码器中嵌入通道-空间混合注意力机制，自适应校准输入特征图在空间和通道维度上的重要性权重。解码器采用残差连接与坐标注意力结合的渐进式解码架构，建立空间位置敏感的特征映射关系，提升了图像上采样过程对边缘、纹理等高频细节恢复能力。CropRowSeg在仅6.90M参数量与12.06 GFLOPs计算量的条件下，实现了82.55%的mIoU、 92.75%的Recall和90.26%的F1-score；在1280×720像素分辨率下推理速度达76 FPS，兼顾了高精度与边缘设备部署的可行性。
针对作物行图像特有的前景—背景类别不平衡、左右对称行易混淆等问题，设计了专门的损失函数(CAM Loss)。该损失函数在交叉熵函数基础上，融合了自适应类别重加权、混淆感知惩罚、边界感知增强与特征空间分离正则化四项机制，能够更有效的量化模型输出与真值的差异，系统性地引导模型聚焦于关键前景区域并增强对难例样本的判别能力，显著提升了复杂场景下的分割鲁棒性。
本文系转载，转发此文目的在于促进信息交流，不存在盈利性目的，此文观点与本站立场无关，不承担任何责任，不做任何投资和交易根据。如无意侵犯媒体或个人知识产权请告知我们，我们将在第一时间做删除处理。
