一种基于DeeplabV3的方法来定位温室种植中的土壤监测点
Yi Lu1, Jiayu Chen1, Bin Wu1
1College of Mechanical and Electronic Engineering, Nanjing Forestry University, Nanjing, China.
Science progress
|February 26, 2026
概括
这项研究引入了一种轻量级的土壤细分网络 (LSRS-Net),用于在盆栽蓝植物中自动检测水和肥料. 该方法提高了精准农业管理,提高了准确性和速度.
科学领域:
- 农业工程 农业工程
- 计算机视觉 计算机视觉
- 精准农业 精准农业 精准农业
背景情况:
- 准确的土壤监测对于盆栽植物的精密农业至关重要.
- 现有的检测水和肥料点的方法可能是计算密集的.
研究的目的:
- 开发一种自动化,高效的方法,用于在温室种植的盆栽蓝植物中提取水和肥料检测点.
- 提高土壤区域细分的准确性和速度,以实现精确管理.
主要方法:
- 提出了一个基于改进的DeeplabV3+架构的轻量级土壤区域细分网络 (LSRS-Net).
- 用MobileNetV2替换了骨干,以减少复杂性,并将一个密集连接的Atrous空间金字塔聚合 (DenseASPP) 模块与特征金字塔网络 (FPN) 结合起来,以增强特征融合.
- 利用欧几里德的基于距离的优化算法来改进检测点坐标.
主要成果:
- 与原始模型相比,LSRS-Net实现了2.98%的更高平均像素精度 (MPA) 和3.84%的更高的平均交叉点 (MIoU).
- 处理速度达到每25.24ms,显示出显著的效率提升.
- 提取有效率 (EVR) 超过98.33%,符合实际应用要求.
结论:
- 拟议的LSRS-Net提供了一个快速,稳定和准确的解决方案,用于在温室种植中自动检测水和肥料.
- 这种方法为智能水和肥料管理提供了可行的方法,为精准农业做出了贡献.
