復雜的水田環(huán)境

為了解決這一難題，蘇州博田技術人員綜合分析稻田圖像特點，基于百度飛槳深度學習平臺研發(fā)了水田導航線自動檢測系統(tǒng)。他們應用飛槳圖像分割開發(fā)套件PaddleSeg中的ICNet模型將秧苗按列從背景中分割出來，并以此為基礎實現(xiàn)了秧苗列中心線的精準提取，準確率能達到95%以上,處理每幀圖像耗費的時間僅300ms左右(包括ICNet網(wǎng)絡的分割預測時間和后續(xù)導航線提取的時間)，完全滿足農(nóng)機作業(yè)環(huán)境下的速度要求。

自動檢測系統(tǒng)配上GPS，蘇州博田農(nóng)業(yè)機器人已經(jīng)實現(xiàn)從出庫到入庫全程自動導航的無人化作業(yè)，大大減少了人力物力的投入，為農(nóng)民的耕作效率、健康等提供了保障。

為什么選PaddleSeg語義分割庫?

農(nóng)機視覺導航任務與自動駕駛有一定的相似性，都需要保證一定精度的情況下有高實時性，并且能夠在嵌入式設備等移動端部署。

飛槳PaddleSeg語義分割庫的語義分割網(wǎng)絡之一ICNet，屬于參數(shù)量小的輕量級語義分割網(wǎng)絡，為自動駕駛等需要低內(nèi)存和高實時性的應用場景而設計，非常適合農(nóng)機視覺導航。與HRNet系列、DeepLab系列等預測精高的網(wǎng)絡相比，ICNet在精度降低較少的情況下大幅度減少了預測時間和占用內(nèi)存，能夠在像1024*2048像素這樣高分辨率的圖像上達到實時效果。

利用PaddleSeg，蘇州博田農(nóng)業(yè)機器人已經(jīng)擁有排除干擾精確地將秧苗從背景中分割出來、提取外輪廓和原圖特征點、進而準確提取到中間4~5列秧苗中心線的能力，為實現(xiàn)農(nóng)機視覺導航打下了堅實的基礎。

      PaddleSeg模型訓練過程可以參考：

https://github.com/PaddlePaddle/PaddleSeg/blob/release/v2.0.0-rc/README_CN.md

智能農(nóng)業(yè)時代已來

百度飛槳與蘇州博田的合作，為自動導航農(nóng)業(yè)機器人提供了精準、高效、可靠的技術支持，讓農(nóng)機智能化、農(nóng)民職業(yè)化的偉大愿景邁出了重要的一大步，為我國精細農(nóng)業(yè)的推廣起到了促進作用。

此外，百度飛槳還將攜手蘇州博田，在溫室環(huán)境下果蔬采摘、智能巡檢等設施農(nóng)業(yè)機器人方面展開合作。希望未來可以讓更多的農(nóng)業(yè)從業(yè)者能實實在在地感受到智能農(nóng)業(yè)帶來的便利。

zhangnn