近日，中国农业大学工学院彭彦昆教授团队苏文浩研究员课题组在绿色智能株间除草方面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，中科院一区TOP）等期刊发表三篇系列研究论文，聚焦生菜作物场景下的株间杂草智能识别与精准清除，为农业绿色防控提供了前沿技术路径。

深度学习+机械-激光协作式的除草方法，为智能除草领域提供新思路。针对现有机械除草虽效率高但易发生伤苗、激光除草在成本与作业效率之间难以兼顾的瓶颈问题，团队首次提出一种机械–激光协作式除草方法。该方法采用除草刀具对作物株间杂草进行高效快速清除，并以激光对作物周边近株区域残余杂草进行精细化处理。通过机械作业的高效率与激光作业的高选择性优势互补，实现对两类技术短板的协同弥补，为智能除草提供了一条兼顾效率与安全性的技术路径。

机械-激光协作式生菜株间除草方法概念图

提出一种轻量级深度学习模型（Multimodule-YOLOv7-L），在提升基线模型检测精度与鲁棒性的同时显著压缩模型参数量与计算开销，降低模型存储与推理成本，为在资源受限的边缘端实现高效部署与实时应用提供了关键技术支撑。

Mulitimodule-YOLOv7-L与其它模型在生菜田间识别能力对比图

基于该模型构建株间杂草压力分级方法，将其划分为轻度、中度与重度三类，实现对作业策略的快速判别，为机械除草与激光除草的高效协同提供了可落地的理论决策依据与思路。

基于Mulitimodule-YOLOv7-L的杂草严重程度分级算法效果图

机械-激光协作式除草装置开发，为智能除草领域提供了新技术。研究团队设计了机械–激光协作式除草装置总体结构，并对关键零部件完成参数优化与选型，实现机械除草与激光除草单元的一体化集成设计，在保证结构功能的前提下减少冗余构件、降低整机制造成本。

激光参数选型实验台

机械-激光协作式除草装置一代样机

在一代样机基础上，进一步开展协同机理与作业策略研究，明确机械清除与激光精除的协作分工与执行逻辑，为后续控制系统开发提供理论依据。

机械-激光协作式除草装置工作流程图

面向智能除草应用，团队提出了具备目标识别、株间杂草分级与杂草茎部位置估测等功能的深度学习模型，提升模型在田间复杂工况下的工程实用性；同时提出生菜安全区自适应划分方法，可随作物生长状态动态调整安全区范围，从而进一步降低机械作业伤苗风险。

多功能深度学习模型功能实现流程图

基于上述研究成果，开发了适配机械–激光协作式除草装置的控制系统，实现协作式除草方法的工程化落地，并初步完成样机验证，证明了所提出系列方法的可行性。

机械-激光协作式除草装置二代样机

机械-激光协作式生菜株间除草实验图

中国农业大学为研究第一完成单位，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，第一作者为胡睿，合作者包括中国农业大学工学院彭彦昆教授，硕士研究生李家乐、牛龙涛、董博文和孔磊等。研究得到了国家自然科学基金（项目编号：32371991；32101610）、中国农业大学2115人才支持计划及中国农业大学研究生自主创新研究基金（重点）等项目资助。

该系列研究以“机械–激光协作式除草方法”为主线，系统构建了面向田间复杂工况的智能除草技术体系，在兼顾作业效率与安全性的基础上提升资源利用效率与环境友好性。相关成果为推动农业生产由“粗放式管理”向“精准化调控”转型提供了关键技术支撑，具有良好的工程可落地性与广阔的应用推广前景。