农业工程学报

作者：梁超,王红平,刘鑫,唐曲谋,左畅,

关键词：激光除草, 杂草检测, 关键点定位, YOLOv8-Pose, LSPKI-YOLO

基金：42

为提升激光除草机器人在复杂农田环境中的杂草识别精度和关键点定位稳定性，该研究提出了一种面向激光除草的多尺度特征增强杂草检测模型LSPKI-YOLO。首先，将多核初始模块和上下文锚点注意力机制融入到C2f中形成C2f-PKI模块，旨在增强杂草的多尺度纹理特征提取和长距离上下文建模能力；其次，设计了轻量化共享卷积检测头LSBN-Pose，实现跨尺度特征共享与参数压缩，从而在保持高精度的同时降低计算复杂度。试验结果表明，LSPKI-YOLO在测试集上的杂草检测准确率、召回率和mAPsub>50/sub>以及关键点定位的mAPsub>50/sub>分别为88.3%、81.1%、89.9%，94.7%，相较于基线模型分别提高了3.1、0.1、1.3、0.9个百分点，参数量降低了27.2%，推理速度提升了0.6 帧/s；将该模型部署到激光除草机器人后，室内除草试验中杂草检测率为94.7%，激光命中率为84.0%；在真实农田场景中的激光除草试验中，杂草检测率为 91.1%、激光命中率为81.3%、伤苗率为2.0%。综上结果表明，改进后的模型LSPKI-YOLO更加轻量化，检测效果更好，且满足激光除草的实用性需求。/

来源：2026年第6期

《农业工程学报》期刊编辑部

查看农业工程学报杂志2026年第6期