权龙哲 张景禹 姜 伟 李恒达 杨春杰 张溪麟

(东北农业大学工程学院， 哈尔滨 150030)

0 引言

目前，机械除草是继化学药剂除草后的一种广泛被人们接受的除草方法[1-2]，具有重要的研究意义和广泛的应用前景。根据田间不同的杂草控制区域，机械除草又通常分为行间除草和株间除草[3-5]。行间杂草通过中耕除草的方式相对容易除去，但是株间杂草的控制相当困难，因为清除靠近农作物的杂草存在误伤农作物的高风险[6-7]。目前，株间除草模式的优化和创新成为许多学者的研究关注点[8-11]。

关于株间机械除草的研究大多以伤苗率和除草率作为衡量除草性能的指标[12-14]，而对机械除草过程中末端执行器存在损伤作物根系的高风险问题关注较少。谭国强等[15]设计的玉米地中耕次数对玉米产量影响的试验表明，免中耕和中耕次数少的玉米根系量都明显多于中耕次数多的。此外，试验还发现中耕后的玉米根系在垄体内分布不均匀，顺垄向的较多，横垄向的较少，而免中耕与此相反。因此，在设计机械除草结构和除草模式时，应该充分重视末端执行器可能伤害作物根系的问题。

机械除草过程中为了“多除草，少伤苗”，不但要改善除草机构或除草模式，同时对目标物体的精准检测也十分关键。传统的农作物检测方法有RTK-GPS(Real time kinematic-global positioning system)、激光、超声波和光谱等[16-19]，而且上述方法都只是单一检测农作物目标，对杂草则进行忽略。目前，以深度学习技术为基础的检测方法在农业中的应用越来越广泛，该技术具有强大的目标特征学习能力[20]，不但能够检测作物还能检测杂草，甚至给杂草分类。……