科技、数字和网络新闻都成为公众关注的焦点。目前，互联网、科技和数字与我们的生活密切相关。我们应该为自己收取更多的费用，掌握更多的知识，以便掌握更多的信息，不断提高自己的个人能力。边肖今天整理了一篇关于互联网技术数字化方向的文章，希望大家喜欢。
大米是中国的三大主食之一。水田田间管理复杂，重复性高(如除草、除草等)。)，而且工作极其繁重，给从业者带来了很大的负担。苏州田波利用PaddlePaddle的深度学习技术，让拖拉机和农业机器人学习视觉导航，可以根据水稻秧苗的种植情况实时调整航向，避免压秧的发生，更好的维护管理水稻秧苗。
这一改进实现了“节省人力，大幅提高作物产量”的梦想。
“导航线自动识别”允许农业机械避免压秧
水稻是成排种植的，排与排大致平行。因此，农业机械自动视觉导航的基础在于实时、准确地检测秧行中心线。
虽然水稻幼苗行基本上可以与传统算法保持平行，但不同天气、不同时间段的图像亮度差异、稻田中包含浮萍蓝藻等幼苗特征相似的植物、偶尔缺苗等干扰因素对传统算法的鲁棒性提出了很大挑战，精度难以保证。
复杂的稻田环境
为了解决这一问题，苏州田波技师综合分析了水田图像的特点，开发了基于百度飞桨深度学习平台的水田导航线自动检测系统。他们在paddle image segment development kit paddle eg中使用ICNet模型将幼苗从背景中逐行分割出来，并在此基础上实现了幼苗行中心线的精确提取，准确率达到95%以上，每帧图像的处理时间只有300ms左右(包括ICNet网络的分割预测时间和后续的导航线提取时间)，完全满足了农业机械作业环境中的速度要求。
苏州田波农业机器人通过配备GPS的自动检测系统，实现了从发货到入库自动导航的无人操作，大大减少了人力物力的投入，为农民的耕作效率和健康提供了保障。
为什么选择PaddleSeg语义切分库？
农业机械的视觉导航任务类似于自动驾驶，对实时性要求较高，具有一定的准确性，可以部署在嵌入式设备等移动终端上。
ICNet是PaddleSeg语义切分库的语义切分网络之一，是一个轻量级的小参数语义切分网络。它是为自动驾驶等内存低、实时性高的应用场景而设计的，非常适合农业机械的视觉导航。与HRNet系列、DeepLab系列等预测精度较高的网络相比，ICNet在精度降低较少的情况下，大大减少了预测时间和内存占用，能够在1024*2048像素等高分辨率图像上实现实时效果。
苏州田波农业机器人利用PaddleSeg，能够从背景中准确分割出幼苗，提取出外部轮廓和原始图像特征点，进而准确提取出中间4~5排幼苗的中心线，为实现农业机械的视觉导航奠定了坚实的基础。
PaddleSeg模型培训流程可参考：
https://github.com/PaddlePaddle/PaddleSeg/blob/release/v 2 . 0 . 0-RC/README _ cn . MD
智能农业的时代已经到来
百度飞欧尔与苏州田波的合作，为自动导航农业机器人提供了准确、高效、可靠的技术支持，使智能农业机械和专业农民的伟大愿景向前迈出了重要一步，推动了精准农业在中国的推广。
此外
版权声明：内容来源于互联网和用户投稿 如有侵权请联系删除