水稻是我国三大主粮之一。水稻田的田间管（guǎn）理复杂（zá）、重复度高(诸（zhū）如打药、锄草等)且工作（zuò）极其繁重,给从业（yè）人员造成了（le）极大（dà）的负担。苏州博田利用百度飞桨(PaddlePaddle)的深度学习技术（shù）让拖拉机和农业机器人学会了视觉（jiào）导航（háng）,可以根据水稻（dào）秧苗（miáo）的种植（zhí）情况实时调整航（háng）向,避免压苗等情况出（chū）现,更好地（dì）保养和管理水稻秧苗。

这一改进,让“节（jiē）省人力的（de）同（tóng）时大幅（fú）提高（gāo）农（nóng）作物产量”的梦想成为了现实。

“导航线自动识别”让农机避免压苗

由于水稻是按列种（zhǒng）植（zhí）的,列与列之间（jiān）近（jìn）似（sì）互为（wéi）平行（háng）,因（yīn）此,实现农机视觉自动导航的基础在于实时（shí）准确地检测出秧苗列中心线。

虽然使（shǐ）用传统算法（fǎ）,水稻秧苗列间也基本能保持平行,但是不同（tóng）天气不同时段图像亮度（dù）的差异、水田里夹杂浮萍蓝藻等与秧苗（miáo）特（tè）征相似的植物、偶发缺苗等干（gàn）扰因素还是对传统算法的鲁棒性形成（chéng）了很大的（de）挑（tiāo）战,精准（zhǔn）度难以保证。

复杂的（de）水田环境

为（wéi）了解决（jué）这一难题,苏（sū）州（zhōu）博田技（jì）术人员综合分（fèn）析稻田图像特点,基于百度飞桨深度学（xué）习平台研发了（le）水（shuǐ）田导航（háng）线自动（dòng）检（jiǎn）测系统（tǒng）。他们应用飞桨图（tú）像分割（gē）开发套件PaddleSeg中的ICNet模型将秧苗按（àn）列（liè）从背景中分割出来,并以此为基础实（shí）现了（le）秧苗列中心线的精准（zhǔn）提取（qǔ）,准确（què）率能达到95%以上（shàng）,处理每帧图像耗费的时间仅300ms左右(包（bāo）括（kuò）ICNet网络的分割预测时（shí）间和（hé）后（hòu）续导航线（xiàn）提取的（de）时间（jiān）),完全满足农（nóng）机作业环境（jìng）下的速度要求。

自动（dòng）检测系统（tǒng）配上GPS,苏州博田农业机器人已经实现从出（chū）库到入库（kù）全程自动导航（háng）的无人（rén）化作业,大大减少了人力物力的（de）投入,为农民的耕作效率、健康等提供（gòng）了保（bǎo）障。

为什么（me）选PaddleSeg语义分割（gē）库?

农（nóng）机（jī）视觉导航任（rèn）务与自动驾驶有一定的相似性,都需要保证一定精度（dù）的（de）情况下有（yǒu）高实（shí）时性,并且能够在嵌（qiàn）入式设备等（děng）移动（dòng）端部署。

飞桨PaddleSeg语义（yì）分（fèn）割库的语（yǔ）义分割网络之（zhī）一ICNet,属（shǔ）于参（cān）数量小（xiǎo）的轻量级语义分割（gē）网（wǎng）络（luò）,为自动驾驶（shǐ）等需要低内存和高实时性（xìng）的应用场景（jǐng）而设计（jì）,非常（cháng）适（shì）合（hé）农机视觉导航（háng）。与HRNet系列、DeepLab系列等预测精高的网络（luò）相比,ICNet在精（jīng）度降低较（jiào）少的情（qíng）况下大幅度减（jiǎn）少了预测时（shí）间和占用内（nèi）存,能够（gòu）在（zài）像1024*2048像素这样高（gāo）分辨率的图像上达（dá）到实时效果。

利用PaddleSeg,苏州博田（tián）农（nóng）业（yè）机器人已经拥有排除干扰精确地将秧苗从背景中分割出来（lái）、提（tí）取外轮廓和原图特征点（diǎn）、进而（ér）准确提取到中间4~5列秧苗中心线的能力,为（wéi）实现农机视觉（jiào）导航打（dǎ）下（xià）了坚实的基础。

智能农业时代已来

百度（dù）飞桨与苏州（zhōu）博（bó）田的合作,为（wéi）自动导（dǎo）航农业机器（qì）人提供了精（jīng）准、高效、可靠的技术支持,让农机智（zhì）能化（huà）、农（nóng）民职（zhí）业化的伟大愿景迈出了重要的一（yī）大步,为（wéi）我国精细农业的推（tuī）广起（qǐ）到了促进作用。

此外（wài）,百度飞桨还将携手（shǒu）苏（sū）州博田,在温室环境下果蔬采摘、智能巡（xún）检等设施农业（yè）机器人（rén）方面展开合作。希望未来可以让更（gèng）多（duō）的农业从（cóng）业者能实实在在（zài）地感受到智慧农（nóng）业带来的便利。