甘蔗自主除草感知技术成熟度研究
美国/巴西2026RESEARCH_AUTOMATION证据 AU1/U2
真实图片 / 原始电影 / 历史照片 / 专利图按证据账本管理；不使用AI图替代历史实机
关键事实 / 技术参数
- npj Artificial Intelligence 2026开放论文
- 作者来自São Paulo State University、MIT和USDA-ARS Sugarcane Research Unit
- 数据采集地点：USDA-ARS Ardoyne Research Farm, Schriever, Louisiana
- 数据集包含2139张高分辨率RGB图像：869张纯甘蔗、855张纯杂草、415张混合场景
- 检测子集从混合场景中筛选285张进行边界框标注
- RTMDet检测达到44.2 AP50
- Swin Transformer分类结合自监督预训练达到99%准确率
- 研究明确面向未来green-on-green定点喷施与自主除草装备
研发人员 / 机构
见原始档案；未核实名单不填。
田间地点 / 验证结果
暂无独立量化田间验证。
原始电影 / 历史照片 / 图纸
影像/图纸见原始来源。
技术标签
weed detectionRTMDetSwin TransformerAP50 44.299% classificationUSDA field dataset
R15证据成熟度
8/12 · 67% ｜ 来源权威 2/2 ｜ 实物媒体 0/2 ｜ 田间验证 1/2 ｜ 人物机构 2/2 ｜ 技术参数 2/2 ｜ 无人证据 1/2
证据边界
属于无人除草的感知/AI基础，还没有证明完整自主除草机器已经解决复杂甘蔗田场景。