WeedScout: Real-Time Autonomous blackgrass Classification and Mapping using dedicated hardware

黑草（Alopecurus myosuroides）是一种具有强竞争力的杂草，会通过降低作物产量和增加耕作成本对粮食安全产生广泛影响。除了对农业的财务负担外，除黑草的除草剂使用还可能对清洁水和卫生设施的获取产生负面影响。WeedScout项目引入了一种实时自主黑草分类和制图（RT-ABGCM）的尖端解决方案，用于实时检测黑草，以实现精准除草管理。该系统利用人工智能（AI）算法，处理实时图像数据，推断黑草密度，并覆盖两个成熟阶段。该研究调查了采用You Only Look Once（YOLO）模型的部署，具体来说是简化版的YOLOv8和YOLO-NAS，在NVIDIA Jetson Nano（NJN）上加速。通过优化推断速度和模型性能，该项目推进了将人工智能整合到农业实践中，为解决除草剂抗性和环境影响等挑战提供潜在解决方案。此外，还提供了两个数据集和模型权重供研究社区使用，促进了除草检测和精准农业技术的进一步发展。

本论文旨在通过实时检测黑草的密度和分布，提供精准的除草管理方案，解决黑草对粮食安全和环境造成的负面影响。

论文采用了基于人工智能算法的You Only Look Once (YOLO)模型，结合NVIDIA Jetson Nano (NJN)进行加速，实现了黑草的实时检测和分类。同时，论文提供了两个数据集和模型权重，为进一步研究和开发提供了便利。

论文的实验结果表明，采用YOLOv8和YOLO-NAS模型进行黑草检测，能够在保证模型性能的同时，提高推理速度。此外，论文还开放了数据集和模型权重，为后续研究提供了便利。

近期相关研究包括《基于卷积神经网络的玉米和杂草图像识别研究》、《基于深度学习的玉米病害检测研究》等。