BonnBot-I Plus: A Bio-diversity Aware Precise Weed Management Robotic Platform

本文关注耕地农场植物保护的关键任务，解决农业中的一个现代挑战：将生态考虑因素纳入像\bbot这样的精密除草机器人的操作策略中。本文介绍了除草管理算法的最新进展以及\bbot在波恩大学Klein-Altendorf校区的实际表现。我们提出了一种新的滚动视图观察模型，用于BonnBot-Is除草监测部分，可使平均绝对除草性能提高$3.4\%$。此外，我们首次展示了精密除草机器人如何在具有生物多样性意识的挑战性除草场景中考虑生物多样性问题。我们在甜菜田进行了全面的除草实验，涵盖了仅有杂草和混合作物-杂草情况，并引入了与精密除草兼容的新数据集。我们的实地实验表明，我们的除草方法能够处理各种杂草分布，仅由于干预规划而导致最小损失仅为$11.66\%$，而视觉系统限制导致的损失为$14.7\%$，强调了视觉系统需要改进。

本文旨在解决农业中植物保护的关键任务，即将生态考虑融入到精准除草机器人的操作策略中。论文提出了新的滚动视图观察模型，以提高除草性能，并首次展示了精准除草机器人如何在考虑生物多样性的情况下处理具有挑战性的除草场景。

本文的关键思路是提出了一种新的滚动视图观察模型，改进了除草性能，并首次考虑了生物多样性问题。

本文在糖菜田进行了全面的除草实验，涵盖了纯杂草和混合作物-杂草情况，并引入了一组新的与精准除草兼容的数据集。实验结果表明，该除草方法能够处理各种杂草分布，只有11.66％的损失归因于干预计划，14.7％的损失归因于视觉系统限制，需要进一步改进。

最近的相关研究包括：1.基于卷积神经网络的杂草检测和分类（Convolutional neural network-based weed detection and classification）；2.自适应控制策略在农业机器人中的应用（Application of adaptive control strategy in agricultural robots）；3.机器学习在农业中的应用（Application of machine learning in agriculture）等。