本 期 导 读
2024年第5期出版文章13篇，分别来自“综合研究”“技术方法”2个栏目，涉及农业机器人、农业遥感、农产品分级、目标检测等内容，以期为读者提供有价值的参考。
“综合研究”栏目收录2篇文章。机器人是智慧农业的重要组成部分，实现稳定、精准、快速的导航与自主作业是当前亟需解决的问题。浙江大学何勇教授团队从自主定位与地图构建技术、全局路径规划、自动避障技术等方面对设施农业智能机器人的自动导航关键技术展开全面综述，指出了未来发展方向。构建仍面临诸多挑战。佛山大学罗陆锋教授团队针对全果园“感知-移动-采摘”一体化作业能力的实用型智能采摘系统展开调研，从局部目标感知、全局地图构建和自主作业行为规划三个方面对全果园自主作业的关键技术进行了综述。
“技术方法”栏目收录11篇文章。安徽农业大学刘海秋副教授团队针对原始星载日光诱导叶绿素荧光（SIF）数据存在足迹离散、时空分辨率低等缺陷，利用MODIS数据和BP神经网络对美国区域大豆SIF进行高分辨率重构获得高可靠性BPSIF数据集，为区域尺度大豆SIF研究提供数据支撑。山东科技大学张方照博士团队以山东省齐河县为研究区域，利用欧洲中期天气预报中心长时间序列再分析数据，利用叶龄积温法对冬前壮苗所需合适积温的日期进行测算，确定研究区域乡镇冬小麦适宜播种期，提高小麦产量。为实现大范围快速检测土壤养分和土壤总氮量精准填图，中国地质大学（北京）周萍教授团队基于实测土壤光谱和GF-5星载高光谱数据，构建土壤总氮反演模型，为基于星载GF-5数据大范围开展定量检测土壤养分状况，以及合理施肥提供技术支撑。太原工业学院刘伊团队针对农业地物种类分布智能监测时，分类精度较高的网络模型复杂程度较高无法部署在硬件系统中，提出一种轻量化高低频增强的Reluformer网络，在农作物品种分类精度和模型复杂度之间达到了较好的平衡。为解决无人机航拍的密集种植苗木图像中苗木粘连、尺度差异大的问题，北京林业大学陈锋军教授团队提出以点标签数据为监督信号的改进密集检测计数深度学习模型(LSC-CNN)，实现苗木的检测和计数。华中农业大学宋鹏副教授团队通过对水稻有效分蘖与无效分蘖高度的调查分析，提出一种基于水稻分蘖高度的有效分蘖计数方法，有效解决水稻分蘖密集、相互遮挡且存在无效分蘖导致有效分蘖检测成本高、精度较低的问题。西北师范大学梁西银副教授团队提出一种轻量级的YOLOv10-AD网络模型，设计了全新的骨干网络AKVanillaNet，以解决现有目标检测模型在干制黄花菜分级任务中精度不足和参数过多的问题。湖南农业大学谭立新教授针对复杂场景下的名优茶采摘点的精确分割问题，对传统的DeepLabV3+算法进行了轻量化改进，在茶叶嫩芽结构分割上获得较高准确率，为智能采茶机器人提供了新的采摘定位方法。针对苹果生长过程中出现的病害问题，四川农业大学潘勇浩副教授团队提出一种基于改进YOLOv8的苹果叶病害检测算法，引入SPD-Conv来替代传统卷积层，降低模型参数量和运算量的同时提高检测精度。为解决图像尺寸变化与目标尺度变换共存影响小目标检测精度的问题，福建农林大学叶大鹏教授团队提出一种新的检测模型MSH-YOLOv8，通过一系列模块组合，提高尺度变化下蘑菇等小目标检测效果。为解决奶牛在行走过程中出现滑蹄姿态无法自动识别检测的问题，河南科技大学姬江涛教授团队基于DeepLabCut（DLC）融合CBAM模块对ResNet-50网络模型进行改进，对奶牛身体关键点定位准确性较好，为奶牛滑蹄自动检测工作提供技术支持。
来源：《智慧农业（中英文）》2024年第5期
转载请联系编辑部授权
本期支持单位
推荐阅读
智慧农业微信交流服务群
发布征集
欢迎在我公众号发布科研团队介绍、创新科研成果及相关活动等信息。
