融合超绿通道的低辨识度草坪杂草识别算法

摘要

为提高草坪维护自动化程度，实现除草机器人自动识别精准施药，针对自然环境中草坪杂草难以识别的问题，以YOLOv7为基础目标检测网络，提出一种增强图片颜色信息的草坪杂草检测模型。对RGB图片进行超绿处理，抑制背景干扰信息，突出杂草颜色信息。扩充网络输入通道为四通道，将超绿灰度图与RGB图片融合得到新的四通道图片，提高网络对草坪环境的抗干扰能力。引入三维注意力模块SimAM，提高网络针对低辨识度杂草识别精度，增强网络对草坪杂草目标的识别效果。改进后YOLOv7-4ch网络对草坪杂草识别效果较好，自然环境下识别草坪杂草的mAP@0.5为91.7%，帧速率100 f·s^-1，模型大小为67.9 Mb，可满足除草机器人识别需求。改进网络与基础YOLOv7网络相比，mAP@0.5提高2.3%，与YOLO系列其他算法相比有较大提升。该算法可有效识别自然环境中的草坪杂草，为其精准化施药提供技术支持。

关键词

目标检测 / YOLOv7 / 草坪杂草 / 精准施药 / 通道融合