农业工程学报

作者：陆健强,何晴,兰玉彬,黄连萍,刘汉武,

关键词：机器人, 草地退化, 空斑, 目标检测, 目标跟踪, 补播

基金：42

为实现草地空斑补播作业中的高精度识别与定位，解决复杂草地环境下空斑目标易受光照变化、草种差异及季节干扰影响而导致跨场景检测与跟踪精度不足的问题，该研究基于深度学习检测与多目标跟踪技术，提出一种融合检测与跟踪的草地空斑高精度定位方法SCTD-YOLO。通过骨干网络引入空间金字塔池化融合卷积模块，实现多尺度特征提取并提升小空斑纹理感知能力。替换部分特征提取模块为融合滑动窗口自注意力的跨层结构，有效建模不规则空斑与背景间的长距离依赖关系。构建纹理特征提取模块，通过轻量级卷积和池化提取高频纹理特征，抑制颜色干扰，结合改进的自适应特征金字塔检测头与可变形卷积实现特征对齐，从而提升空斑的检测能力。其次，利用DeepOCSORT目标跟踪算法，实现跨帧稳定跟踪，增强在动态航拍过程中的目标一致性。试验结果表明，SCTD-YOLO模型平均精度值为95.9%，相比基础检测模型提升了2.2个百分点。SCTD-YOLO+DeepOCSORT算法平均多目标跟踪准确率为88.2%，多目标跟踪精度为86.71%，平均每个测试视频的ID切换次数为35，能够满足实时跟踪需求。空斑定位的平均误差为0.316m，满足无人机作业对草地空斑精准定位的需求，该研究不仅能为无人机智能补播提供技术支撑，还为农业机器人在复杂多样农艺模式和环境条件下的高适应性与通用性提供了有效技术支撑。/

来源：2026年第8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8期