近日，机械与电子工程学院闫银发教授团队在《Plant Phenomics》上发表题为“A Keypoint-Based Method for Detecting Weed Growth Points in Corn Field Environments”的最新研究成果。机电学院刘莫尘副教授为第一作者，硕士研究生徐晓莉为学生第一作者，闫银发教授为通讯作者，beat365唯一官网为第一通讯单位。
玉米是一种全球重要的粮食作物，是家禽和牲畜饲料等产品的原料来源，也是食品添加剂的来源 。玉米的早期发育阶段，是根系和营养器官快速生长的关键时期。如果在此期间杂草得不到有效控制，它们将与玉米争夺水分、养分和光照，这会显著影响作物的最终产量和质量。长期以来，杂草控制一直是农业部门面临的一个持续挑战。
针对以上问题，本研究研发了一种准确高效的杂草抑制方法，为田间精准除草机器人的杂草识别系统提供技术支持。本研究首先针对田间存在的玉米苗与杂草之间相互遮挡、自然光线变化和杂草生长分布不均、设备资源有限等问题，构建了SRD-YOLO网络模型以实现玉米田间各类杂草的正确分类和各类杂草生长点的准确定位。其次，精准除草机器人根据获得的杂草生长点的位置信息对生长点进行精准打进，以实现高效的杂草抑制。
图1 消融试验结果箱线图。模型A-I分别对应不同的改进方法。
DaylightNightlight
图2 检测结果可视化的示例图像
该研究得到西藏日喀则科技项目、山东省现代农业产业技术体系、中国农业研究体系、国家自然科学基金的资助。
论文链接：https://doi.org/10.1016/j.plaphe.2025.100072
编 辑：万 千
审 核：贾 波
