中国农业大学理学院、农业无人机系统研究院、药械与施药技术研究中心、智慧农业无人系统高水平创新团队何雄奎教授课题组在农林科学领域国际权威期刊《农业中的计算机和电子产品》( COMPUTERS AND ELECTRONICS IN AGRICULTURE )上发表了题为《多任务杂草检测和导航路径提取的深度卷积神经网络》（Multi-task deep convolutional neural network for weed detection and navigation path extraction）的研究论文。该论文通过无人机采集菠萝地遥感图像，并结合开源的杂草数据集，提出了一种可执行多任务的无人驾驶导航线提取和杂草定位检测的算法，为无人除草机田间作业提供任务精准规划，该方法可推广至多种作物场景。

菠萝是世界上第三大热带水果，仅次于香蕉和芒果。但菠萝种植行距窄、菠萝植株带刺，田间杂草防除困难。传统的人工除草以及植保机械喷雾作业存在劳动强度高、作业效率低等问题。杂草控制机器人作为现代可持续农业中的先进技术，因其在降低人工成本和精准作业方面的显著优势而备受关注。除草机器人系统主要包括导航线提取、杂草识别、杂草定位以及相关硬件研发等关键技术。

该研究通过无人机获取菠萝田的低空影像(图1)，结合增强的多任务YOLO模型，通过系列图像处理同时实现了导航路径提取与杂草精准识别定位。试验结果表明，改进的模型在导航路径提取与杂草检测任务中性能分别提升了4.27%和2.50%，与单任务算法相比，改进的多任务YOLO算法模型在杂草检测精度和运算效率上均有显著提升(图2)。利用改进的多任务YOLO算法分割作物行和田间车道生成导航路径，主要包括四个步骤(图3)：图像输入、多任务YOLO算法预测、分割区域色块提取、去噪和导航线提取。此外，研究还开发了一套专用软件，将像素点转换为真实的经纬度信息，可为除草机器人无人化田间作业提供精准导航数据 (图4)。

图1 无人机数据集采集和杂草数据集构建

注：(A)无人机采集田间数据集；(B)开源杂草数据集

图2 杂草检测

图3 导航线提取

图4 导航定位器与无人机影像获取经纬度误差对比

该项研究工作得到了国家重点研发计划（2022YFD2001400）、中国农业大学2115人才培育发展支持计划、国家梨产业技术体系（CARS-28）以及湖南省自然科学基金（2024JJ6226）等项目的资助。中国农业大学为第一完成单位，理学院2023级博士研究生林泳达为论文第一作者。

近年来，理学院应用化学系何雄奎教授团队面向国家推进乡村振兴、建设农业强国的战略需求，以习近平新时代中国特色社会主义思想为指引，以智慧农业无人系统、农药精准减量施用技术创新为核心，进行农业无人系统关键技术攻关、智慧农业应用场景构建、高效植保机械与精准减量施药技术和果树树体管理全程机械化技术推广应用，积极服务三农，团队先后主持20多项国家级研究项目，多项成果达到国内领先与国际先进水平，获省部级科技奖励一等奖2项、二等奖1项、三等奖2项，成功开发20多项新产品，获国家专利30余项，发表高水平学术论文150余篇，出版专著及教材9部，引领我国智能农业装备和植保机械产业高质量发展，为农业农村现代化提供坚实支撑。