朱逸航， 张延宁， 张小敏， 林洋洋， 耿金凤， 应义斌， 饶秀勤*

(1.浙江大学 生物系统工程与食品科学学院，浙江 杭州 310058； 2.农业农村部农产品产地处理装备重点实验室，浙江 杭州 310058；3.枣庄学院机电工程学院，山东 枣庄 277101； 4.新多集团有限公司，浙江 永康 321300)

农机在田间作业时的道路识别与导航控制是我国农业从机械化向智能化发展过程中不可或缺的一部分[1]，目前智能农机在田间的路径导航以使用卫星定位系统导航以及机器视觉导航为主[2]。目前基于卫星定位系统的导航技术精度有限，适用于农机行走路径确定、行走方式以直线为主的场景，以大田路径规划为主[3]。而在棉花田中实际作业时，存在种植行间距窄、作物实际种植行并不完全是直线等情况，以及田间先遣路径难以保持稳定等问题，因此，智能农机的导航需要在实际情况下进行调整[4-6]。

基于机器视觉的导航可以较好地解决此问题，对棉花垄间路径进行识别，为智能作业机械提供导航信息。但目前基于机器视觉的导航方案依旧面临田间光照环境变化和非结构化道路自身特征过于复杂的挑战[7-10]。同时基于视觉的导航方案主要任务是对行进中农机的路径进行实时调整，而图像数据有信息量大、计算设备处理较慢的固有特征，所以实时性也是机器视觉导航方案的另一大挑战[11-12]。

近年来，深度学习在机器视觉领域发展迅速[13]，其中的卷积神经网络算法更是被广泛应用于各类农业的视觉任务场景[14]，并取得较好的效果。……