站长资讯网水稻是我国三大主粮之一。水稻田的田间管理复杂、重复度高(诸如打药、锄草等)且工作极其繁重，给从业人员造成了极大的负担。苏州博田利用百度飞桨(PaddlePaddle)的深度学习技术让拖拉机和农业机器人学会了视觉导航，可以根据水稻秧苗的种植情况实时调整航向，避免压苗等情况出现，更好地保养和管理水稻秧苗。
这一改进，让“节省人力的同时大幅提高农作物产量”的梦想成为了现实。
“导航线自动识别”让农机避免压苗
由于水稻是按列种植的，列与列之间近似互为平行，因此，实现农机视觉自动导航的基础在于实时准确地检测出秧苗列中心线。
虽然使用传统算法，水稻秧苗列间也基本能保持平行，但是不同天气不同时段图像亮度的差异、水田里夹杂浮萍蓝藻等与秧苗特征相似的植物、偶发缺苗等干扰因素还是对传统算法的鲁棒性形成了很大的挑战，精准度难以保证。
复杂的水田环境
为了解决这一难题，苏州博田技术人员综合分析稻田图像特点，基于百度飞桨深度学习平台研发了水田导航线自动检测系统。他们应用飞桨图像分割开发套件PaddleSeg中的ICNet模型将秧苗按列从背景中分割出来，并以此为基础实现了秧苗列中心线的精准提取，准确率能达到95%以上,处理每帧图像耗费的时间仅300ms左右(包括ICNet网络的分割预测时间和后续导航线提取的时间)，完全满足农机作业环境下的速度要求。
自动检测系统配上GPS，苏州博田农业机器人已经实现从出库到入库全程自动导航的无人化作业，大大减少了人力物力的投入，为农民的耕作效率、健康等提供了保障。
为什么选PaddleSeg语义分割库?
农机视觉导航任务与自动驾驶有一定的相似性，都需要保证一定精度的情况下有高实时性，并且能够在嵌入式设备等移动端部署。
飞桨PaddleSeg语义分割库的语义分割网络之一ICNet，属于参数量小的轻量级语义分割网络，为自动驾驶等需要低内存和高实时性的应用场景而设计，非常适合农机视觉导航。与HRNet系列、DeepLab系列等预测精高的网络相比，ICNet在精度降低较少的情况下大幅度减少了预测时间和占用内存，能够在像1024*2048像素这样高分辨率的图像上达到实时效果。
利用PaddleSeg，苏州博田农业机器人已经拥有排除干扰精确地将秧苗从背景中分割出来、提取外轮廓和原图特征点、进而准确提取到中间4~5列秧苗中心线的能力，为实现农机视觉导航打下了坚实的基础。
PaddleSeg模型训练过程可以参考：
https://github.com/PaddlePaddle/PaddleSeg/blob/release/v2.0.0-rc/README_CN.md
智能农业时代已来
百度飞桨与苏州博田的合作，为自动导航农业机器人提供了精准、高效、可靠的技术支持，让农机智能化、农民职业化的伟大愿景迈出了重要的一大步，为我国精细农业的推广起到了促进作用。
此外，百度飞桨还将携手苏州博田，在温室环境下果蔬采摘、智能巡检等设施农业机器人方面展开合作。希望未来可以让更多的农业从业者能实实在在地感受到智能农业带来的便利。
特别提醒：本网内容转载自其他媒体，目的在于传递更多信息，并不代表本网赞同其观点。其原创性以及文中陈述文字和内容未经本站证实，对本文以及其中全部或者部分内容、文字的真实性、完整性、及时性本站不作任何保证或承诺，并请自行核实相关内容。本站不承担此类作品侵权行为的直接责任及连带责任。如若本网有任何内容侵犯您的权益，请及时联系我们，本站将会在24小时内处理完毕。