水稻是（shì）我（wǒ）国三大主粮之一。水稻（dào）田的田间管理复（fù）杂（zá）、重复度高(诸如打药、锄草等)且工作极其（qí）繁重,给从业（yè）人员造成（chéng）了极（jí）大的负担。苏（sū）州博田利用（yòng）百度飞桨(PaddlePaddle)的深度学习技术让拖（tuō）拉机和农业（yè）机器（qì）人学会了视觉导航（háng）,可以（yǐ）根（gēn）据水稻秧苗的种植情（qíng）况实时调整航向,避免压苗等情况出现,更好地保养和管（guǎn）理水稻秧苗。

这一改进,让“节省（shěng）人力的同时大幅提高农作（zuò）物产量”的梦想成为了现（xiàn）实。

“导（dǎo）航线（xiàn）自动识别”让农机避免（miǎn）压苗

由于（yú）水稻（dào）是按列种植的,列与列（liè）之间（jiān）近似互为平行,因此（cǐ）,实（shí）现农（nóng）机视觉自动导航的基础在于实时准（zhǔn）确地检测（cè）出秧苗列中心线。

虽然使用传统算法,水稻秧（yāng）苗列间也基本（běn）能保持平行（háng）,但（dàn）是不同（tóng）天气不（bú）同时（shí）段图像亮度（dù）的差异、水田里（lǐ）夹杂浮（fú）萍蓝藻等与秧苗特征相似（sì）的植物、偶发（fā）缺（quē）苗等干扰因素还是对传统算法的鲁棒性形成（chéng）了很（hěn）大的（de）挑战,精准度难（nán）以保证。

复杂的水田环境

为了解决这一难题（tí）,苏（sū）州博田技术人（rén）员综合分（fèn）析稻田图像特点,基于（yú）百度飞桨（jiǎng）深度学习平台研（yán）发了水田（tián）导（dǎo）航线自动检测（cè）系统。他（tā）们应（yīng）用飞桨图像分割开发套件PaddleSeg中的ICNet模型将秧苗（miáo）按列从背景中分割出（chū）来,并（bìng）以此为（wéi）基（jī）础实现了秧苗列（liè）中心线的精准提（tí）取（qǔ）,准确率能达到95%以（yǐ）上（shàng）,处理每帧图像耗费的（de）时（shí）间仅300ms左右(包括ICNet网络的分割预测时间和（hé）后续（xù）导（dǎo）航线提取的（de）时间（jiān）),完全（quán）满足农机作（zuò）业环境下的速度要求。

自动检测系统配上GPS,苏州博田农业机器人已经实现（xiàn）从出库到入库全（quán）程自动（dòng）导航的无（wú）人化作业,大大减少了人（rén）力物力的投入,为农民（mín）的耕作效率（lǜ）、健康等提供了保（bǎo）障。

为（wéi）什么选PaddleSeg语义分割库?

农机视觉导航任务（wù）与自动驾驶有一定的相似（sì）性（xìng）,都需要保证一定（dìng）精度（dù）的情况下有高实（shí）时性,并且能够在嵌（qiàn）入式设备等移动端（duān）部署。

飞桨PaddleSeg语义分割库的（de）语义分割网络之（zhī）一ICNet,属于参数量小的轻量（liàng）级语义分割网（wǎng）络,为自（zì）动驾驶等需要低内存（cún）和高实时性的应用（yòng）场景而设计,非常适合农机视（shì）觉导航。与HRNet系列、DeepLab系（xì）列（liè）等（děng）预测（cè）精高的网（wǎng）络相比,ICNet在精度降低较少（shǎo）的情况下大幅度减少了预测时（shí）间和（hé）占用内存,能（néng）够（gòu）在像1024*2048像素这样（yàng）高分辨率的图（tú）像上达（dá）到实时效果。

利用（yòng）PaddleSeg,苏州博田农业机器人已经拥有排除干扰精确地将（jiāng）秧苗从背景（jǐng）中分割（gē）出来、提取（qǔ）外轮廓和（hé）原图特征点、进而准确提取到（dào）中间4~5列秧苗（miáo）中心线的能力,为实（shí）现农机（jī）视觉导航打下了坚实的基础。

智能农业（yè）时代已来

百度飞桨与（yǔ）苏州博田的（de）合（hé）作,为（wéi）自动导航农业机器（qì）人提供了精准、高效、可靠的技术支持,让（ràng）农机智能化、农民（mín）职业化的伟大（dà）愿景（jǐng）迈出了重（chóng）要的（de）一（yī）大步,为我（wǒ）国精细农业的推广起到了促进作用。

此外,百（bǎi）度（dù）飞桨还将携手苏州博（bó）田,在温室环（huán）境下果蔬（shū）采摘、智能（néng）巡检等设（shè）施农业机器（qì）人（rén）方面展开（kāi）合（hé）作。希望未（wèi）来可以让更多的农业从业者（zhě）能实实在在地（dì）感受到智慧农（nóng）业带来的便利。