农机化研究2026(11)：基于多源感知与语义分割的果树行识别与路径跟踪控制——郑州工业应用技术学院许洋洋等 DeepLabv3+ F1达0.94

方法

无人机多光谱DOM/DSM与NDGI，U-Net/DeepLabv3+语义分割，

发现

DeepLabv3+分割F1达0.94，导航线断裂1.2次，转向横向误差RMSE 0.11 m，优于

机会点

可探索多光谱与DSM特征融合的轻量化分割模型，并迁移至多树种、多季节果园导航。

农机化研究2026年第11期发表郑州工业应用技术学院许洋洋、柴亚珂、王莹、牛瑞利团队论文：针对果园中裸露土壤、遮蔽物干扰和冠层阴影等因素导致导航路径难以稳定提取的问题，提出融合多源感知与语义分割的自走式植保机果树识别与路径控制方法。首先利用无人机获取多光谱影像并生成正射影像（DOM）与数字表面模型（DSM），计算归一化差异绿度指数（NDGI），增强果树冠层与背景的可分性；然后采用U-Net/DeepLabv3+语义分割网络在保留空间上下文信息的同时实现果树行/背景端到端分割。田间对比试验结果表明，DeepLabv3+整体分割F1可达0.94，每样区生成导航线断裂1.2次，且转向工况下横向误差RMSE为0.11 m，显著优于传统阈值分割和SVM方法。