张瑞森，万兴鸿，陈子颖，高 昕，唐亚南

（成都工业学院自动化与电气工程学院，四川 成都 611730）

0 引言

农业农村部种植业司的调查统计显示，我国蔬菜和粮食作物的产量平稳增长，但每年杂草都会造成粮食和蔬菜的减产，杂草是影响农作物产量和食品安全的主要因素之一[1]。但目前田地里清除杂草常用的方式是人工、畜力、农药，这些方式存在效率低、污染大、耗时耗力、使用有局限等问题[2]。所以，利用机器视觉发展的先进成果，结合人工智能机器人的发展趋势，精准有效地对农田里的杂草进行识别与防治，从而提高农业的智能装备水平，是农业未来发展的一条重要改革路径。

为了使除草的效率更高，首先需要提高杂草的识别度。近年来，深度学习作为图像识别和目标检测的先进技术手段被广泛使用，它具有学习能力强、覆盖范围广、适应力好等优点，但是直接用于杂草识别存在着训练样本缺乏的问题[3]。由于杂草的种类繁多，需要使机器人对杂草的识别率更高，减少机器人在除草过程中对农作物的伤害，所以本课题采用循环一致性生成对抗网络（cycle-generative adversarial networks，Cycle-GAN）的方法对较容易取得的植株样本进行样本扩增，再结合快速区域卷积神经网络（Faster R-CNN）算法训练初始化模型，在提升农作物识别的过程中实现了杂草的反向识别。由于新的混合算法同时提升了识别速度和识别率，所以可用于实时检测，在农田除草、园林杂草清理等方面具有应用价值。

1 机器人整体结构

除草机器人是基于麦弗逊式悬架结构搭建的四轮移动平台，该结构可以使机器人在凹凸不平的地形里较平稳地行进以保护平台上搭载的精密器件。……