王 璨，武新慧，张燕青，王文俊

（山西农业大学农业工程学院，太谷 030801）

0 引言

除草是幼苗期作物田间管理的必要工作。为减少人工成本，当前大田除草作业以大面积喷洒除草剂为主[1-4]。这种化学防治方法易导致农业面源污染，影响田间土壤和水体环境，作物农药残留问题同样无法避免[5-7]。另外，由于化学成分的使用限制，新除草剂的研发难以跟上杂草的抗药性[8-9]。因此以减少除草剂使用为目标的除草农机装备被广泛研究[10-11]，主要工作方式有对靶喷药、机械除草和电击除草[12-14]等。在当前农业发展阶段，以信息感知、自动导航、精准作业和智能管理为特点的各类智能农机装备是组建无人农场的重要支撑[15]。智能田间除草设备要完成无人化的精准除草，必须以目标信息的智能精准感知为前提[16]，其所要解决的关键问题是实现田间作物和杂草的准确识别与分割。

作物杂草识别广泛采用机器视觉的图像识别方式[17-19]。在最新研究中，以基于深度学习的目标检测方法为主，常用结构包括YOLOv3、Faster R-CNN和SSD等[20-24]。这类方法通过深度卷积神经网络提取图像特征，再通过不同手段确定包含单个作物植株或杂草目标的全部检测框坐标及大小，并给出框内目标的所属类别以及置信度，从而实现对图像中各目标类别与位置的识别预测。作物杂草识别不同于果实识别和畜禽识别等其他农业图像识别[25-26]，将其作为目标检测任务来研究存在以下问题：1）图像中待识别目标除作物外并不固定，这是由于杂草种类的多样化以及位置分布的随机性所决定的。……