水稻是我國三大主糧之一。水稻田的田間處置攙雜、反復度高（諸如打藥、除草等）且處事極端沉重，給從業職員形成了極大的承擔。蘇州博田運用百度飛槳(PaddlePaddle)的深度進修本領讓干脆機和農業呆板人學會了視覺導航，不妨按照水稻禾苗的培植情景及時安排航向，遏止壓苗等情景展現，更好地保護和處置水稻禾苗。

這一矯正，讓"儉樸人力的同時大幅普及農作物產量"的理想成為了實際。

"導航行路線自動辨別"讓農業機械遏止壓苗

因為水稻是按列培植的，列與列之間好像互為平行，所以，實行農業機械視覺自動導航的基礎在于及時精確地檢驗和測定出禾苗列重心線。

固然運用保守算法，水稻禾苗列間也基礎能保護平行，但是不同氣象不同時段圖像亮度的分別、水田里攙和浮萍藍藻等與禾苗特性一致的植物、偶發缺苗等干預成分保持對保守算法的魯棒性產生了很大的挑撥，精準度難以保護。

攙雜的水田情景

為了處置這一困難，蘇州博田本領職員歸納領略稻田圖像特性，鑒于百度飛槳深度進修平臺研究開發了水田導航行路線自動物檢疫測體例。他們運用飛槳圖像分隔開拓套件PaddleSeg中的ICNet模子將禾苗按列從后臺中分隔出來，并以此為基礎實行了禾苗列重心線的精準索取，精確率能到達95％以上,處置每幀圖像侈靡的功夫僅300ms安排（包括ICNet搜集的分隔猜測功夫和后續導航行路線索取的功夫），實足滿意農業機械功課情景下的速率訴訟要求。

自動物檢疫測體例配上GPS，蘇州博田農業呆板人仍舊實行從出庫到入庫全程自動導航的無人化功課，大大減少了人力物力的加入，為農夫的耕耘功效、安康等供給了保護。

為什么選PaddleSeg語義分隔庫？

農業機械視覺導航工作與自動駕駛有確定的一致性，都須要保護確定精度的情景下有高及時性，而且不妨在嵌入式擺設等挪動端安置。

飛槳PaddleSeg語義分隔庫的語義分隔搜集之一ICNet，屬于參數目小的輕量級語義分隔搜集，為自動駕駛等須要低內部存儲器和高及時性的運用場景而安排，特出符合農業機械視覺導航。與HRNet系列、DeepLab系列等猜測精高的搜集比擬，ICNet在精度貶低較少的情景下大幅度減少了猜測功夫和占用內部存儲器，不妨在像1024*2048像素如許高辨別率的圖像上到達及時功效。

運用PaddleSeg，蘇州博田農業呆板人仍舊具有廢除干預透徹地將禾苗從后臺中分隔出來、索取外表面和原圖特性點、從而精確索取到中央4~5列禾苗重心線的本領，為實行農業機械視覺導航打下了堅忍的基礎。

圖像分隔截止 原圖特性點索取 禾苗列重心線索取截止

PaddleSeg模子演練進程不妨參考：

智能農業期間已來

百度飛槳與蘇州博田的協調，為自動導航農業呆板人供給了精準、高效、真實的本領扶助，讓農聰明能化、農夫工作化的宏大愿景邁出了要害的第一次全國代表大會步，為我國精致農業的實行起到了激動作效果率。

其他，百度飛槳還將聯袂蘇州博田，在溫室情景下水果和蔬菜采摘、智能巡檢等辦法農業呆板人方面打開協調。蓄意將來不妨讓更多的農業從業者能實簡直在地領會到智能農業帶來的便當。