【技术实现步骤摘要】
本专利技术涉及农业精准植保，特别是涉及一种基于深度学习的玉米田间杂草靶向去除方法及系统。
技术介绍
1、玉米的生长发育早期易受杂草影响，杂草繁殖速度快，生长周期短，会与早期生长阶段的作物竞争光照、水分和营养物质，若不及时控制，将导致作物减产以及农产品品质降低。
2、随着计算机视觉技术的不断发展，目标检测技术在农业领域的应用逐渐成为研究热点。在农业生产中，除草是一项耗时且劳动密集的工作，大规模药剂喷洒将产生环境污染和食品农药残留等一系列问题。传统的作物与杂草检测方法通过提取作物与杂草的颜色、纹理、形状、高度等特征信息，将一种或多种特征的组合输入到特征分类器，实现分类检测，需要人工进行特征选取标定，选取特征依赖于设计者的经验，而且由于光照变化、背景噪声、目标形态多样性等多种因素的影响，难以设计出鲁棒性高的特征提取模型。
3、因此，玉米田间杂草检测过程受到严重遮挡、近景色、重叠性，光照变化等因素影响，现有深度学习网络存在杂草检测精度低、漏检现象严重等问题，需要通过改进深度学习网络的玉米田间除草方法克服上述问题，提高除草
【技术保护点】
1.一种基于深度学习的玉米田间杂草靶向去除方法，其特征在于，包括：
2.根据权利要求1所述的基于深度学习的玉米田间杂草靶向去除方法，其特征在于，基于训练集训练所述识别模型之前，还包括对所述训练集进行预处理，进行所述预处理包括：
3.根据权利要求1所述的基于深度学习的玉米田间杂草靶向去除方法，其特征在于，通过改进YOLOv8网络构建所述识别模型包括：
4.根据权利要求3所述的基于深度学习的玉米田间杂草靶向去除方法，其特征在于，所述GIoU损失函数为：
5.根据权利要求3所述的基于深度学习的玉米田间杂草靶向去除方法，其特征在...
【技术特征摘要】
1.一种基于深度学习的玉米田间杂草靶向去除方法，其特征在于，包括：
2.根据权利要求1所述的基于深度学习的玉米田间杂草靶向去除方法，其特征在于，基于训练集训练所述识别模型之前，还包括对所述训练集进行预处理，进行所述预处理包括：
3.根据权利要求1所述的基于深度学习的玉米田间杂草靶向去除方法，其特征在于，通过改进yolov8网络构建所述识别模型包括：
4.根据权利要求3所述的基于深度学习的玉米田间杂草靶向去除方法，其特征在于，所述giou损失函数为：
5.根据权利要求3所述的基于深度学习的玉米田间杂草靶向去除方法，其特征在于，所述c2f_pkimodule模块包括：pki单元、caa单元和卷积单元；分别通过所述pki单元和caa单元进行特征提取，获取第一特征和第二特征，将所述第一特征和第二特征进行融合获取第三特征；在所述第三特征中加入第一特征后经过所...
【专利技术属性】
技术研发人员：赵建国，安美林，马志凯，刘敬春，李建昌，代斌豪，赵小川，王佳平，郝建军，
申请(专利权)人：河北农业大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。