近日，機械與電子工程學院閆銀發教授團隊在《Plant Phenomics》上發表題為“A Keypoint-Based Method for Detecting Weed Growth Points in Corn Field Environments”的最新研究成果。機電學院劉莫塵副教授為第一作者，碩士研究生徐曉莉為學生第一作者，閆銀發教授為通訊作者，山東農業大學為第一通訊單位。

玉米是一種全球重要的糧食作物，是家禽和牲畜飼料等產品的原料來源，也是食品添加劑的來源 。玉米的早期發育階段，是根系和營養器官快速生長的關鍵時期。如果在此期間雜草得不到有效控制，它們將與玉米爭奪水分、養分和光照，這會顯著影響作物的最終產量和質量。長期以來，雜草控制一直是農業部門面臨的一個持續挑戰。

針對以上問題，本研究研發了一種準確高效的雜草抑制方法，為田間精準除草機器人的雜草識別系統提供技術支持。本研究首先針對田間存在的玉米苗與雜草之間相互遮擋、自然光線變化和雜草生長分布不均、設備資源有限等問題，構建了SRD-YOLO網絡模型以實現玉米田間各類雜草的正確分類和各類雜草生長點的準確定位。其次，精準除草機器人根據獲得的雜草生長點的位置信息對生長點進行精準打進，以實現高效的雜草抑制。

圖1 消融試驗結果箱線圖。模型A-I分別對應不同的改進方法。

DaylightNightlight

圖2 檢測結果可視化的示例圖像

該研究得到西藏日喀則科技項目、山東省現代農業產業技術體系、中國農業研究體系、國家自然科學基金的資助。

論文鏈接：https://doi.org/10.1016/j.plaphe.2025.100072

編      輯：萬    千 

審      核：賈    波