Abstrak
Gulma di lahan stroberi berkembang biak dengan cepat, menghilangkan nutrisi dan cahaya pada bibit stroberi, meningkatkan suhu lingkungan setempat, dan berfungsi sebagai inang perantara bagi hama dan penyakit, sehingga mempercepat kemunculan dan penyebarannya. Untuk mengatasi masalah pengendalian gulma selama budidaya bibit stroberi, makalah ini merancang robot penyiangan laser otonom untuk lahan stroberi berdasarkan DIN-LW-YOLO. Pertama, dengan membuat kumpulan data dari ladang stroberi di berbagai lingkungan, kami mengusulkan DIN-LW-YOLO: metode deteksi untuk navigasi pipa irigasi tetes dan penyiangan laser, yang dapat mendeteksi bibit stroberi, gulma, pipa irigasi tetes, dan titik tumbuh gulma secara-waktu nyata. Model ini membuat prediksi pada-peta fitur resolusi tinggi dari pose YOLOv8-. Modul perhatian EMA ditambahkan sebelum kepala prediksi dan modul Spatial Pyramid Pooling Fast (SPPF) untuk menangkap hubungan berpasangan tingkat piksel. Pendekatan ini memanfaatkan informasi terperinci dari peta fitur dangkal dengan lebih baik, sehingga meningkatkan deteksi target kecil. Selain itu, konvolusi yang dapat dideformasi digunakan untuk menangkap fitur target secara adaptif, menggantikan konvolusi kedua dalam struktur kemacetan modul fusi fitur, sehingga meningkatkan deteksi target pipa irigasi tetes yang memanjang. Selanjutnya, DIN-LW-YOLO diintegrasikan ke dalam robot penyiangan laser. Sistem kontrol menentukan jalur navigasi berdasarkan lebar pipa irigasi tetes untuk kontrol umpan balik dan memposisikan target laser dengan mendapatkan koordinat titik pertumbuhan gulma relatif terhadap bibit stroberi dan pipa irigasi tetes, sehingga mencapai operasi penyiangan laser otonom. Hasil pengujian menunjukkan bahwa model DIN-LW-YOLO menunjukkan kinerja pengenalan yang kuat pada data lahan stroberi dalam lingkungan dan tahap pertumbuhan yang berbeda. Akurasi rata-rata (mAP) model dalam deteksi target regional dan titik masing-masing adalah 88,5% dan 85,0%, meningkat sebesar 1,9% dan 2,6% dibandingkan model aslinya, sehingga memenuhi persyaratan pengoperasian waktu nyata dari robot penyiangan laser otonom. Hasil uji lapangan menunjukkan tingkat pengendalian gulma dan kerusakan bibit masing-masing sebesar 92,6% dan 1,2%, memenuhi persyaratan agronomi untuk penyiangan mekanis di lahan stroberi. Temuan ini berkontribusi pada desain peralatan pertanian cerdas dan mendorong penerapan visi mesin dalam perlindungan tanaman stroberi.
Perkenalan
Stroberi adalah tanaman herba abadi dari keluarga Rosaceae, biasanya diperbanyak secara vegetatif melalui stolon. Tanaman stroberi-yang tumbuh rendah sangat rentan terhadap gulma di sekitarnya, baik di lingkungan pembibitan maupun di lapangan. Gulma yang kuat tidak hanya bersaing untuk mendapatkan unsur hara dan cahaya, sehingga meningkatkan suhu lingkungan setempat, namun juga berfungsi sebagai inang perantara bagi hama dan penyakit, sehingga mempercepat penyebarannya. Oleh karena itu, pengendalian gulma secara langsung mempengaruhi hasil dan kualitas stroberi. Herbisida yang umum digunakan sebelum dan sesudah tumbuh berdampak negatif pada hasil panen, lingkungan, dan kesehatan pekerja (Huang et al., 2018). Rabier dkk. (2017) mencatat bahwa penyiangan mekanis kurang efektif dibandingkan herbisida, karena penyiang konvensional (misalnya cangkul, pisau putar) tidak dapat secara spesifik menargetkan gulma di dalam baris. Selain itu, gangguan tanah akibat pengolahan tanah dapat membahayakan organisme tanah yang bermanfaat, seperti cacing tanah, dan menyebabkan erosi tanah dan pencucian unsur hara (Chatterjee & Lal, 2009). Kekhawatiran mengenai metode pengendalian gulma saat ini menggarisbawahi perlunya solusi inovatif, salah satunya adalah pengendalian gulma berbasis laser (Tran et al., 2023).
Di bidang pengendalian gulma berbasis laser-, berbagai kemajuan terus mendorong perkembangan teknologi. Heisel dkk. (2001) memelopori penggunaan sinar laser untuk memotong batang gulma untuk pengendalian gulma. Kemudian, Mathiassen dkk. (2006) melakukan-studi mendalam mengenai efek perawatan laser terhadap pemberantasan gulma, dan menemukan bahwa paparan laser pada meristem apikal gulma secara signifikan mengurangi pertumbuhan dan berakibat fatal bagi spesies gulma tertentu. Nadimi dkk. (2009) merancang perangkat uji penyiangan laser untuk mensimulasikan penargetan gulma secara dinamis. Selanjutnya, Marx dkk. (2012) mendemonstrasikan secara eksperimental bahwa pengendalian gulma yang efektif memerlukan penargetan meristem yang presisi dengan CNC (Computer Numerical Control), sementara Ge dkk. (2013) dan Xuelei dkk. (2016) masing-masing mengusulkan konsep lengan robot untuk penyiangan laser. Arsa dkk. (2023) memperkenalkan jaringan neural konvolusional dengan arsitektur{21}}decoder encoder untuk mendeteksi titik pertumbuhan gulma, menyoroti pentingnya dan kelayakan deteksi titik{22}}pertumbuhan untuk penargetan laser yang tepat dalam teknologi ini. Bersama-sama, penelitian ini telah mengembangkan teknologi pengendalian gulma berbasis laser yang canggih secara sistematis di berbagai dimensi.
Dalam beberapa tahun terakhir, untuk mengatasi tantangan penyiangan di lapangan, para peneliti telah menerapkan teknik pembelajaran mendalam untuk mendeteksi gulma di lahan tanaman. Gao dkk. (2020) mengembangkan metode menggunakan jaringan saraf konvolusional dalam (CNN) berbasis YOLOv3-untuk membedakan bit gula dari gulma, sementara Jabir dkk. (2021) menerapkan empat arsitektur jaringan-Detectron 2, EfficientDet, YOLO, dan Faster R-CNN-untuk membedakan anggrek dari convolvulus, memilih struktur yang paling sesuai untuk deteksi gulma. Chen dkk. (2022) menyempurnakan model YOLOv4 dengan menggabungkan modul SE sebagai lapisan logika di SPP dan menambahkan pengumpulan kepentingan lokal, mengatasi variasi ukuran target dan secara signifikan meningkatkan efisiensi dan akurasi pengenalan gulma di lahan wijen. Visentin dkk. (2023) mendemonstrasikan sistem penyiangan robotik otonom hibrida yang menghasilkan penyiangan yang cerdas dan otomatis. Shao dkk. (2023) mengatasi masalah kompleks di sawah-seperti pantulan air, latar belakang tanah, pertumbuhan yang tumpang tindih, dan pencahayaan yang beragam-dengan mengusulkan model pembelajaran mendalam yang disempurnakan, GTCBS-YOLOv5s, untuk mengidentifikasi enam jenis gulma. Penggemar dkk. (2023) membuat model deteksi dan pengelolaan gulma terintegrasi menggunakan modul CBAM, struktur BiFPN, dan algoritma interpolasi bilinear. Xu dkk. (2023) menyajikan pendekatan baru yang menggabungkan indeks warna terlihat dengan metode segmentasi instance berdasarkan arsitektur encoder-decoder, yang secara efektif mengatasi tantangan dalam mendeteksi dan mensegmentasi gulma secara akurat di antara tanaman kedelai yang ditanam secara padat. Liao dkk. (2024) mengusulkan model Strip Convolutional Network (SC-Net) yang baru, yang mencapai skor mIoU sebesar 87,48 % dan 89,00 % pada kumpulan data bibit padi khusus dan pertanian publik, yang menunjukkan akurasi dan stabilitas yang tinggi. Ronay dkk. (2024) mengevaluasi kinerja SMA dalam memperkirakan cakupan gulma pada berbagai tahap pertumbuhan serta resolusi spektral dan spasial. Rai dan Sun (2024) mengembangkan arsitektur deep learning satu tahap yang mampu melakukan lokalisasi kotak pembatas dan segmentasi instance tingkat piksel pada gulma dalam gambar penginderaan jauh yang diperoleh UAV.
Singkatnya, penelitian saat ini terutama berfokus pada membedakan tanaman dari gulma. Namun, untuk penyiangan laser di lahan stroberi, penting tidak hanya untuk mengidentifikasi gulma tetapi juga untuk mendeteksi pipa irigasi tetes dan melokalisasi koordinat titik pertumbuhan gulma untuk memungkinkan operasi penyiangan yang tepat. Memanfaatkan pipa irigasi tetes untuk navigasi lapangan menambah fungsionalitas pada model jaringan tunggal, mengoptimalkan sumber daya komputasi. Namun demikian, ukuran tanaman stroberi yang bervariasi, pipa air yang sempit, dan kondisi yang kompleks, seperti tumpang tindih antara bibit stroberi dan pipa, serta gulma yang bergerombol padat, menghadirkan tantangan besar dalam mengekstraksi dan mempelajari ciri-ciri gulma, bibit stroberi, pipa irigasi, dan titik tumbuh gulma secara akurat di lahan stroberi.
Berdasarkan konteks di atas, penelitian ini bertujuan untuk: (1) menetapkan dataset yang mencakup berbagai kondisi dan tahapan pertumbuhan lahan stroberi, pipa irigasi tetes, gulma, dan titik tumbuh gulma; (2) mengusulkan model DIN-LW-YOLO untuk mendeteksi secara akurat lahan stroberi, pipa irigasi tetes, gulma, dan titik tumbuh gulma; (3) mengembangkan sistem kontrol berdasarkan model DIN-LW-YOLO untuk mengelola navigasi-waktu nyata dan penargetan laser untuk robot penyiangan; dan (4) melakukan uji coba lapangan dengan mengerahkan robot penyiangan laser di lahan stroberi untuk mengevaluasi kinerja penyiangan laser otonom dalam kondisi lapangan nyata.
