近日，中国农业科学院植物保护研究所智慧植保创新团队在国际知名期刊《Computers and Electronics in Agriculture》（中科院1区，IF：7.7）发表题为“Precise Extraction of Targeted Apple Tree Canopy with YOLO-Fi Model for Advanced UAV Spraying Plans”的研究论文；构建了适应于果树识别、定位、分割提取等多目标任务需求的YOLO-Fi算法模型，并实现可用于植保无人飞机果树对靶变量喷施作业的整体技术方案。

精准分析果树冠层信息，并精准导航植保机械完成施药作业是果园智慧化管理的关键。但在复杂的果园环境中，同时完成树冠的识别、定位和分割以实现精准施药具有很高的挑战性。本研究提出了一种基于无人机数据和深度学习算法的综合框架，以精准获取苹果树信息，从而实现植保无人飞机对靶果树变量施药。首先，使用mRMR (Max-Relevance and Min-Redundancy)算法选择3个特征(RVI、NDVI、SAVI)来创建融合图像以从背景环境中突显树冠；然后，使用增强后的图像生成标记样本数据集。其次，使用标记数据集训练开发了 YOLO-Fi 模型。将各模型对试验区果树进行检测、定位与分割，结果表明YOLO-Fi模型效果最优（FPS = 370，mAP_50-95(B) = 0.862，mAP_50-95(M) = 0.723，MIoU = 0.749）。随后，基于果树树冠分割面积生成变量喷施处方图；与常规喷施相比，喷施量可减少47.92%。最后，使用蚁群算法规划植保无人飞机在试验区内遍历飞行每棵果树冠层的最短路径；与无人机常规喷施作业的飞行路径相比，飞行距离减少2.04%。本研究可为无人机精准管理果园提供树冠监测、分析、定位、导航、精准施药等的综合方案和技术支撑。