近日，工学院彭彦昆教授团队苏文浩研究员课题组在作物精准识别与智能除草研究方面取得重要进展，连续在国际顶级农业工程与计算机视觉领域权威期刊《农业计算与电子工程》（Computers and Electronics in Agriculture，中国科学院一区TOP）和 《人工智能的工程应用》（Engineering Applications of Artificial Intelligence，中国科学院一区TOP）发表两篇系列研究论文，聚焦番茄与生菜两大作物场景下的株间杂草智能识别与靶向变量施药，为农业绿色防控提供了前沿技术路径。

该系列研究围绕“作物精准识别—杂草靶向检测—智能变量喷施”主线，系统构建了跨番茄与生菜等行间作物的高精度识别、动态喷药与路径优化的智能除草技术体系，显著提升了作业效率、资源利用率与环境友好性。相关成果为推动农业从“粗放式管理”向“精准化调控”转型提供关键支撑，具有广阔的应用前景与推广价值。

番茄多传感器融合 + 双精度喷药，高精度应对株间杂草

研究团队开发了基于多传感器信息融合的双精度精准喷药系统，实现了株间杂草的高效识别与精准清除，为番茄株间除草机器人研制提供了创新解决方案。

研究提出了一种基于多传感器信息融合的杂草检测方法，创新性地设计了”1台相机+双排各3个色标传感器”的协同感知方案。位于成像室顶部的相机和下方的6个色标传感器协同检测被标记的番茄植株，通过多个传感器差分信号计算植物标签在图像中的位置，实现了快速、准确的杂草/番茄植株区分。

番茄植株和杂草的分类

研究提出了一种双精度喷药除草技术，使用两种精度不同的栅格有选择性地对不同空间分布的杂草进行离散化；设计了集成喷洒和独立可移动喷洒两种模块，并通过实时传感器数据和自适应算法实现了对除草剂施用的精量控制，确定了平衡喷洒覆盖率和作业效率的最佳栅格精度组合。搭建了番茄株间杂草检测与双精度喷药除草装置，实现了杂草的智能化检测与喷洒。实验结果表明，该系统对番茄植株和杂草的分类准确率达 95.43%，证明了所提系统的有效性。此外，在仿真实验中，99.96% 被检测到的杂草得到了有效处理，与单一精度喷洒系统相比提高了 1.40%。

番茄株间和杂草分类结果

生菜实例分割 + 变量喷施，实现杂草精准靶向防控

研究提出了对靶变量喷药新模式，搭建了基于实例分割框架的生菜株间杂草识别与变量喷洒装置。通过精准识别杂草并动态调控施药量，破解了基于传统化学除草模式农药多度施用的痛点，为农田除草提供了创新实用的解决方案，有助于促进农业智能化发展。 

在生菜田不同杂草密度环境中，基于深度学习技术的平均识别精度达95.2%。研究优化了YOLOv8n-seg 实例分割模型，利用深度可分离卷积DSConv进行模型轻量化、利用StarNet网络提出了C2f_Star模块，增强特征提取，降低模型复杂度、集成 SimAM 注意力机制提升精度，使模型的mAP 达到了90.15%，参数减少了30%，推理速度为15.7 毫秒，结合杂草定位、分级、蚁群算法路径规划等后处理算法，实现了对杂草的精准对靶变量喷施。

杂草识别算法流程图

杂草识别测试实验展示

基于直角坐标机械臂与变量喷施系统的集成设计，可实现根据杂草分割掩码，实时调整喷嘴位置与喷药量。后处理算法通过蚁群路径规划优化喷施顺序，优先处理近距杂草并规避重复路径，同时该系统通过 “杂草分级-药量动态匹配” 机制显著降低农药消耗。目标喷洒成功率97.2%，低中高密度杂草场景下除草剂用量分别减少88.42%、65.25%、37.30%。系统在不同密度下均能将药剂精准覆盖至杂草叶面，有效降低农药对生态环境的污染风险。在受控环境下，实现了较好的精准喷施作业效果，为实际农田场景中的智能化除草作业提供了关键技术支撑。

基于移动平台的精准喷洒装置

中国农业大学为上述研究第一完成单位，中国农业大学工学院彭彦昆团队苏文浩研究员为通讯作者，第一作者分别为李家乐（现信电学院博士研究生）、牛龙涛，合作者包括中国农业大学工学院彭彦昆教授，硕士研究生胡睿、张贺怡、王启、董博文等。研究得到了国家自然科学基金（项目编号：32371991；32101610）及中国农业大学2115人才支持计划等项目资助。