DOI：10.3969/j.issn.1672-3872.2025.13.001
基金项目：2023年度黑龙江省重点研发计划“揭榜挂帅”项目（2023ZXJ07B02）
作 者：范晓霞 ，韩 静 ，沈泽刚 ，牛子涵（黑龙江八一农垦大学工程学院，黑龙江 大庆 163319）
摘 要：【目的】实现自然环境下玉米苗及其伴生杂草的高效准确检测，解决传统目标检测方法存在的识别精度低、检测速度慢等问题。【方法】提出一种基于改进YOLOv7模型的玉米田间杂草检测方法。以叶龄为3~6叶期的玉米苗及其4种伴生杂草（马唐、藜、反枝苋、小蓟）为研究对象，采集筛选并通过图像裁剪、角度旋转、对比度增强等方式扩增得到6 204张数据集图像，按8∶2∶1的比例划分为训练集、验证集和测试集。在原始YOLOv7的基础上添加ConvNeXt模块，增强特征表达能力以提高检测速度；在原始模型的部分特征层添加CBAM注意力机制，提高模型关注重要信息的能力；引入SIoU损失函数，加快模型收敛速度，提高模型检测精确度。【结果】改进后的YOLOv7模型对玉米田间杂草的目标检测精确率达到了95.9%，mAP达到了92.4%，较原始YOLOv7模型分别提高了5.8%、5.7%；测试阶段处理单张图片耗时22.8 ms，满足实时检测的需求。【结论】此模型可以有效地解决玉米田间杂草检测问题，提升田间杂草检测的准确性，为实现更准确的化学或物理除草提供了参考，为精准农业和智能除草管理提供有力的技术支持和决策依据。
关键词：杂草识别；目标检测；YOLOv7；ConvNeXt卷积模块；注意力机制
引文信息：[1]范晓霞，韩静，沈泽刚，等.基于改进YOLOv7的玉米田间杂草检测识别方法[J].南方农机，2025，56(13)：1-7.
查看全文请下载PDF文件↓
