Abstract
Korovi na poljima jagoda se brzo razmnožavaju, uskraćujući sadnicama jagode hranljive materije i svetlost, povećavajući lokalnu temperaturu životne sredine i služe kao posredni domaćini štetočinama i bolestima, ubrzavajući njihovu pojavu i širenje. Kako bi se riješio problem suzbijanja korova tokom uzgoja sadnica jagoda, ovaj rad dizajnira autonomni laserski robot za plijevljenje polja jagoda zasnovan na DIN-LW-YOLO. Prvo, uspostavljanjem skupova podataka sa polja jagoda u različitim okruženjima, predlažemo DIN-LW-YOLO: metodu detekcije za navigaciju cijevi za navodnjavanje kap po kap i lasersko uklanjanje korova, koja može otkriti sadnice jagoda, korov, cijevi za navodnjavanje kap po kap i tačke rasta korova} u realnom vremenu.{{6} Model konstruiše glave predviđanja na mapama karakteristika visoke-razlučivosti YOLOv8-poze. EMA modul pažnje se dodaje prije glave predviđanja i modula Spatial Pyramid Pooling Fast (SPPF) za snimanje uparenih odnosa na-nivou piksela. Ovaj pristup bolje koristi detaljne informacije iz plitkih karata karakteristika, poboljšavajući detekciju malih ciljeva. Dodatno, deformabilne konvolucije se koriste za adaptivno hvatanje ciljnih karakteristika, zamjenjujući drugu konvoluciju u strukturi uskog grla modula za spajanje karakteristika, poboljšavajući detekciju izduženih ciljeva cijevi za navodnjavanje kap po kap. Zatim, DIN-LW-YOLO je integrisan u laserski robot za plijevljenje korova. Upravljački sistem određuje navigacijsku putanju na osnovu širine cijevi za navodnjavanje kap po kap za kontrolu povratne sprege i pozicionira lasersku metu dobivanjem koordinata tačaka rasta korova u odnosu na sadnice jagoda i cijevi za navodnjavanje kap po kap, postižući autonomne operacije laserskog uklanjanja korova. Rezultati testa pokazuju da DIN-LW-YOLO model pokazuje snažne performanse prepoznavanja na podacima polja jagoda u različitim okruženjima i fazama rasta. Prosječna preciznost (mAP) modela u otkrivanju regionalnih i tačkastih ciljeva je 88,5% odnosno 85,0%, što je poboljšanje za 1,9% i 2,6% u poređenju sa originalnim modelom, ispunjavajući zahtjeve rada u realnom vremenu autonomnog laserskog robota za uklanjanje korova. Rezultati terenskih ispitivanja pokazuju stopu suzbijanja korova i stope oštećenja sadnica od 92,6%, odnosno 1,2%, što ispunjava agronomske zahtjeve za mehaničko plijevljenje na poljima jagoda. Nalazi doprinose dizajniranju inteligentne poljoprivredne opreme i promoviraju primjenu mašinskog vida u zaštiti usjeva jagoda.
Uvod
Jagode su višegodišnje zeljaste biljke iz porodice Rosaceae, koje se obično razmnožavaju vegetativno putem stolona. Nisko-biljke jagode su veoma osjetljive na okolne korove kako u rasadnicima tako iu poljskim sredinama. Snažni korovi ne samo da se natječu za hranjive tvari i svjetlost, povećavajući lokalnu temperaturu okoliša, već služe i kao posredni domaćini štetočinama i bolestima, ubrzavajući njihovo širenje. Shodno tome, suzbijanje korova direktno utiče na prinos i kvalitet jagoda. Uobičajeni herbicidi prije- i poslije-emergentnih herbicida negativno utiču na prinos, životnu sredinu i zdravlje radnika (Huang et al., 2018). Rabier et al. (2017) su primijetili da su mehanički zakorovivači manje efikasni od herbicida, budući da konvencionalni zakorovivači (npr. motike, rotacijske lopatice) ne mogu posebno ciljati unutar{14}}korove unutar reda. Uz to, poremećaj tla uslijed obrade može naštetiti korisnim organizmima u tlu, kao što su kišne gliste, i dovesti do erozije tla i ispiranja hranjivih tvari (Chatterjee & Lal, 2009). Zabrinutost u vezi sa trenutnim metodama suzbijanja korova naglašava potrebu za inovativnim rješenjima, među kojima obećavajuća laserska{18}}bazirana kontrola korova (Tran et al., 2023).
U polju laserske{0}}bazirane kontrole korova, različiti napretci su stalno pokretali razvoj tehnologije. Heisel et al. (2001) su pioniri u upotrebi laserskih zraka za rezanje stabljika korova za kontrolu korova. Kasnije su Mathiassen et al. (2006) proveli su-dubinsku studiju o efektima tretmana laserom na suzbijanje korova, otkrivši da je izlaganje laseru apikalnim meristemima korova značajno smanjilo rast i bilo je fatalno za određene vrste korova. Nadimi i dr. (2009) dizajnirali su laserski uređaj za testiranje korova koji simulira dinamičko ciljanje korova. Nakon toga, Marx et al. (2012) su eksperimentalno demonstrirali da efikasna kontrola korova zahtijeva CNC (kompjuterska numerička kontrola) precizno ciljanje meristema, dok Ge et al. (2013) i Xuelei et al. (2016) svaki je predložio koncepte robotske ruke za lasersko uklanjanje korova. Arsa i dr. (2023) uveo je konvolucionu neuronsku mrežu sa arhitekturom kodera-dekodera za otkrivanje tačaka rasta korova, naglašavajući značaj i izvodljivost detekcije-tačaka rasta za precizno lasersko ciljanje u ovoj tehnologiji. Zajedno, ove studije su sistematski unaprijedile lasersku-tehnologiju suzbijanja korova u različitim dimenzijama.
Posljednjih godina, kako bi se suočili s izazovima korova u polju, istraživači su koristili tehnike dubokog učenja za otkrivanje korova na poljima usjeva. Gao et al. (2020) razvili su metodu koristeći duboku konvolucionu neuronsku mrežu (CNN) zasnovanu na YOLOv3- za razlikovanje šećerne repe od korova, dok Jabir et al. (2021) primijenio je četiri mrežne arhitekture-Detectron 2, EfficientDet, YOLO i Faster R-CNN-kako bi razlikovao orhideje od konvolvulusa, birajući najprikladniju strukturu za detekciju korova. Chen et al. (2022) poboljšao je model YOLOv4 uključivanjem SE modula kao logičkog sloja u SPP i dodavanjem lokalizovanog objedinjavanja važnosti, rješavajući varijacije u veličinama cilja i značajno poboljšavajući efikasnost i preciznost prepoznavanja korova na poljima sezama. Visentin et al. (2023) su demonstrirali hibridni autonomni robotski sistem za plijevljenje korova koji je postigao inteligentno i automatizirano uklanjanje korova. Shao et al. (2023) se pozabavio složenim problemima na poljima s rižom-kao što su refleksija vode, pozadina tla, rast koji se preklapa i različita rasvjeta{22}}predlažući poboljšani model dubokog učenja, GTCBS-YOLOv5s, za identifikaciju šest vrsta korova. Fan et al. (2023) kreirali su integrirani model detekcije i upravljanja korovom koristeći CBAM modul, BiFPN strukturu i algoritam bilinearne interpolacije. Xu et al. (2023) predstavio je novi pristup koji kombinuje vidljive indekse boja sa metodom segmentacije instance zasnovanom na arhitekturi kodera-dekodera, efikasno se nosi sa izazovom preciznog otkrivanja i segmentiranja korova među gusto zasađenim usjevima soje. Liao et al. (2024) predložio je novi model Strip Convolutional Network (SC-Net), postigavši mioU rezultate od 87,48 % i 89,00 % na prilagođenim sadnicama riže i javnim poljoprivrednim skupovima podataka, pokazujući visoku tačnost i stabilnost. Ronay et al. (2024) procijenio je učinak SMA u procjeni pokrivenosti korovom u različitim fazama rasta, kao iu spektralnoj i prostornoj rezoluciji. Rai i Sun (2024) razvili su jednostupanjsku arhitekturu dubokog učenja koja je sposobna i za lokalizaciju graničnih okvira i za segmentaciju korova na nivou piksela-u slikama daljinskog snimanja dobijenim UAV-om.
Ukratko, trenutna istraživanja prvenstveno se fokusiraju na razlikovanje usjeva od korova. Međutim, za lasersko uklanjanje korova na poljima jagoda, bitno je ne samo identificirati korov, već i otkriti cijevi za navodnjavanje kap po kap i lokalizirati koordinate tačke rasta korova kako bi se omogućile precizne operacije korova. Korištenje cijevi za navodnjavanje kap po kap za navigaciju u polju dodaje funkcionalnost jednom mrežnom modelu, optimizirajući računske resurse. Ipak, različite veličine biljaka jagoda, tanke cijevi za vodu i složeni uvjeti, kao što su preklapanje sadnica jagoda i cijevi, kao i gusto skupljeni korov, predstavljaju značajne izazove za precizno izdvajanje i učenje karakteristika korova, sadnica jagoda, točaka za navodnjavanje u polju za navodnjavanje.
Na osnovu gore navedenog konteksta, ova studija ima za cilj: (1) uspostaviti skup podataka koji pokriva različite uslove i faze rasta za polja jagoda, cijevi za navodnjavanje kap po kap, korov i tačke rasta korova; (2) predložiti DIN-LW-YOLO model za precizno otkrivanje polja jagoda, cijevi za navodnjavanje kap po kap, korova i tačaka rasta korova; (3) razviti kontrolni sistem zasnovan na DIN-LW-YOLO modelu za upravljanje navigacijom-u realnom vremenu i laserskim ciljanjem za robota za uklanjanje korova; i (4) sprovesti probe na terenu postavljanjem laserskog robota za plijevljenje korova na poljima jagoda kako bi se procijenile njegove autonomne performanse laserskog korova u stvarnim uvjetima na terenu.
