摘要：面向旱田行作作物的智能除草技术呈现了多种技术融合趋势，以行间中耕除草为基础，借助机器视觉和多传感技术可实现旱田除草自动对行作业，同时株间精准机械除草、变量精准喷施和激光除草等先进技术得到迅速发展。重点综述了国内外在旱田机械化除草作业的自动对行、图像识别、执行机构与整机系统集成等方面的研究进展，并列举了典型机构、企业与代表性装备。分析了当前除草技术的瓶颈与关键问题，并展望了旱田机械化智能除草的发展方向，为该领域技术发展和相关装备的研发提供相关参考。

　　关键词：旱田；智能除草；机械除草；机器视觉；自动对行

　　1.引言

　　旱田作物种植过程中，杂草会争夺作物生长所需的光照、水分与养分，直接影响作物产量。因此杂草防控的成本在作物植保环节中占比较高，降低除草成本可以显著提升作物种植的经济效益[1]。

　　传统人工除草劳动强度大、效率低，已经难以满足大面积作物种植的需求；化学除草效率高，但长期依赖化学除草易导致环境污染与杂草抗药性增强等问题。在当前提倡绿色防控、减药增效的政策导向背景下，智能化的机械化除草模式受到国内外广泛关注[2]。

　　近年，导航定位、机器视觉、智能控制等技术在农业装备领域得到快速应用，除草装备呈现出可视化的精准控制操作模式，其中以自动对行机械除草、自动避苗株间机械除草、视觉识别驱动激光除草等先进技术为代表。本文围绕旱田机械化智能除草技术进行研究，重点综述国内外研究现状与代表性装备，并对未来发展趋势进行展望[3]。

　　2.机械除草技术的发展

　　2.1机械除草作业机理与装备类型

　　机械除草主要依靠刀具、铲具、弹齿、指轮、旋耕刀等部件对杂草实施切断、拔除、埋压或覆盖抑制，其本质是通过破坏杂草植株结构和根系吸收能力来阻止杂草再生。在旱田行作体系中，机械除草作业对象常分为行间与株间两类。行间除草作业空间大、允许扰动较强，适合中耕铲、弹齿、旋耕等；株间除草空间狭窄且需要避苗，必须依赖高精度对行执行机构。

　　机械除草装备按作用方式可分为切割式、拔除式、覆盖式与松土式等。切割式适合茎秆较细的杂草；拔除式能连根拔起杂草但对土壤扰动较大；覆盖式通过将杂草翻入土中使杂草与阳光阻隔来抑制杂草生长；松土式适应性强但需控制深度以避免伤到秧苗根系。工程应用中常采用组合结构，以提高除草率，降低伤苗率。

　　2.2机械除草装备的技术演变

　　机械除草装备经历了从动力机械单独牵引作业到具备导航与感知能力的自走式作业的技术阶段。后来又出现多功能中耕机具，可在中耕除草同时实现培土、施肥等复合作业，显著提高了作业效率并降低人工成本。

　　随着北斗导航、传感器、机器视觉与自动控制技术的发展，除草装备呈现三方面升级。一是对行方式从人工对行向自动对行方向发展；二是图像感知由“识别行”向“识别作物与杂草”扩展，支撑株间机械除草模式；三是执行机构由被动铲切向主动避苗系统演变，并融合了精准变量喷药、激光除草等技术形成绿色防控装备体系[4]。

　　3.智能除草关键技术

　　3.1自动对行与导航定位技术

　　对行精度是旱田智能除草的核心指标之一，直接决定行间有效作业宽度与伤苗率的大小。目前自动对行主要包括GNSS/RTK导航、机器视觉对行与多源融合导航三类技术路线。

　　GNSS/RTK导航具备厘米级定位能力，适用于地块规则、行距一致的规模化作业；其优点是适合播种标准化的大田规模化作业地块，但难以直接针对播种偏移、缺株断行和作物行弯曲造成的“真实行位”偏差，因此在复杂地块往往需要与局部视觉感知技术进行融合补偿。

　　机器视觉对行通过相机获取苗行中心线信息，能够适应曲行、局部缺株等情况，是当前学术界与产业界广泛采用的方案之一。Bontsema等提出基于视觉的行间跟踪系统用于自主机械除草，显示出在不同环境条件下的稳定作业潜力[5]。

　　多源融合技术则将GNSS/RTK的全局稳定性与视觉的局部精确性相结合。国内有研究提出玉米中耕除草的GNSS与机器视觉复合导航思路，通过相对定位计算横向偏移量并实时纠偏，从而提升自动对行稳定性与除草作业的精准性。

　　3.2杂草识别与机器视觉感知技术

　　智能除草的机器视觉能力正由“检测作物行”扩展到“识别作物与杂草并定位到执行尺度”。传统的识别方法大多是基于颜色指数、纹理与形态学特征提取苗带或单株位置因素，其优点是算力需求低、实现简单，但对光照变化、土壤颜色与杂草密度的要求较高。

　　深度学习技术提升了智能除草机在杂草和秧苗颜色相近场景下的视觉识别能力。基于卷积神经网络（CNN）的分类、检测与语义分割模型可保证除草装备在复杂作业环境中实现稳定性作业。Rueda-Ayala等指出深度学习在机械除草与精准农业中的识别任务具备优势，但同时面临数据标注成本高、跨区域和作物适应性差等问题。

　　工程应用中，常结合相机引导与AI识别实现株间作业。例如LEMKEN的IC-Weeder AI采用深度学习原理区分作物与杂草，并通过气动驱动的刀具在秧苗株间运转，从而实现可靠的株间除草作业。

　　3.3“机械-化学”协同作业模式

　　机械除草与机械变量喷药的协同作业模式具有一定的成效。机械刀具除草负责行间杂草清除，变量喷雾装备针对苗带边缘与残余杂草的区域，这样可在保证总体除草效果不变的前提下显著降低用药量。以See&Spray为代表的视觉靶向喷施技术可实现只对杂草喷药，在提升经济效益的同时，降低杂草的抗药性；Ecorobotix ARA系统则以高精度喷雾与图像识别实现靶向施药，显著减少药量喷施。

　　4.国内外研究现状与装备

　　4.1国外研究与产业化进展

　　欧美国家在智能除草产业化方面起步较早，研究机构积累了较丰富的理论经验，结合企业和农场，以需求为导向实现了技术的应用落地。技术方向涵盖了机器视觉对行除草、株间机械除草、田间自走除草机器人，以及点喷、激光除草等精准灭草形式[6]。

　　4.1.1机器视觉对行除草与株间机械除草Bontse-ma等的机器视觉对行除草研究为自主机械除草提供了方法依据[5]。英国Garford的Robocrop系统采用视频图像分析定位整行秧苗与单株秧苗，实现了株间机械除草，该技术适用于较规则的株距与行距的多类作物。德国LEMKEN/Steketee推出的IC-Weeder AI强调基于深度学习的单株秧苗识别，并配合气动刀具实现株间自动除草，验证了视觉识别叠加机械执行机构工程化技术路线除草的可行性[7]。

　　4.1.2田间自走除草机器人FarmDroid FD20采用高精度RTK GPS在播种阶段记录每株位置，后续实现行间与株间机械除草，创造了从播种到植保作业的一体化种植技术模式[8]。法国Naio Technologies推出的电动机器人实现了RTK导航辅助和多种执行机构联合作业，可以在不同作物的多种种植场景中完成除草、开沟等作业[9]。

　　4.1.3精准点喷与激光灭草John Deere/Blue River的See&Spray技术应用计算机视觉技术实时识别杂草并靶向喷施除草剂，可降低农药用量和杂草的抗药性。Corobotix ARA系统应用高精度喷雾实现靶向施药。在物理除草方向，Carbon Robotics的LaserWeeder采用多相机与深度学习识别杂草后实现激光灭草，该装备具备高通量与高精度作业能力[10]；RootWave采用电击方式灭草，适用于果园场景，应用了精密导向工具研发了新型电除草装备。

　　4.2国内研究进展与代表性机构

　　我国机械化除草装备发展具备较强基础，但将智能化技术引入除草机械的时间起步较晚。近几年，机器视觉对行、株间避苗除草等方面进展显著，形成了以高校与科研院所为研发主导、企业产业化合作的趋势。

　　4.2.1机器视觉对行除草纬尔科技公司开发的12行自动对行除草装备配备了高清摄像头，应用基于机器视觉的图像识别算法实现了高速对行除草作业，该除草装备适用于玉米大豆等多种旱田作物植保作业场景。黑龙江八一农垦大学的阚立民等设计指轮式玉米除草装置，可协同去除行间与部分株间杂草，该装备配置杂草分离组件实现剪切与翻耕同步作业，综合除草效果较好，除草率可达约90%，伤苗率约4%[11]。

　　4.2.2智能化株间除草与机器视觉识别与定位华南农业大学罗锡文团队较早开展基于机器视觉的株间作物识别与定位研究，提出从图像中识别作物位置并为株间避苗提供控制输入的方法，为后续智能除草系统奠定了基础。在玉米中耕除草方面，中国农业大学相关研究提出GNSS与机器视觉复合导航，强调用相对定位计算横向偏移量并实现自动纠偏，从而提高除草效率与安全性[12]。东北农业大学权龙哲等研发了智能株间除草装置，利用伺服电机与传动机构实现除草铲单独开合与升降控制，降低了除草部件对根系的损伤[13]。

　　5.存在问题及解决方法

　　5.1复杂环境下的感知技术

　　旱田机械作业存在光照不稳定、土壤颜色差异、杂草密度不同等问题，容易导致视觉识别系统的识别误差和实际误差的累积。未来应构建发展轻量化分割与检测模型，并结合域自适应、在线学习等技术提升泛化能力；同时在控制终端实现稳定实时监控与异常工况预警系统，以满足长时间稳定性田间作业的需求。

　　5.2株间除草技术的开发

　　株间除草技术需要突破高精度、高反应速度、低伤苗率等多个技术难点。识别误差与执行延迟会直接影响伤苗率或除草率；同时高速作业对机械强度、可靠性提出了更高要求。未来需要从两方面入手突破株间除草技术瓶颈，一是发展响应更快的电动执行器与轻量化机构；二是通过优化视觉识别杂草和秧苗技术的算法，扩大不同作业环境的数据库容量，提高行间和株间除草装备的综合通量与稳定性。

　　5.3多种除草方式融合的绿色防控技术

　　单一应用机械除草装备难以在所有杂草与复杂环境条件下保持较好的除草效果。未来大田作物除草需要智能化物理除草和化学除草协同发展，作业前先按作物生育期与杂草种类智能选择除草装备，应用机械化物理除草装备进行大面积行株间除草，再应用靶向精准变量喷雾装备对残余杂草补喷农药，实现作物减药种植或纯有机绿色种植。同时应加强作业经济性评估、能耗评价，以及对生态效益的长期监测，为规模化除草模式的推广提供技术支撑。

　　6.结论

　　旱田机械化智能除草技术正从传统行间中耕除草向基于视觉识别技术的行株间机械除草和靶向机械喷药技术方向并进发展。面向复杂多变的田间环境和日益严格的环保要求，除草技术在智能化和多手段除草方式融合方向仍需创新。围绕除草精度、除草效率、伤苗率、农药减量等重要指标，未来应提升除草装备图像识别系统对复杂环境的鲁棒感知能力，突破株间除草高精度高速执行瓶颈，同时构建物理和化学机械除草融合的绿色防控体系，为旱田智能化除草技术产业化提供技术保证。

参考文献：

　　[1]卢宗志,吴宪,李洪鑫.杂草的防治关键时期及杂草对玉米危害研究[C].绿色植保与乡村振兴—中国植物保护学会2018年学术年会论文集:中国农业科学技术出版社,2018:253-255.

　　[2]杜雅刚,张宇,隋新,等.玉米除草机械及技术研究进展[J].农业开发与装备,2024(12):49-51.

　　[3]Rueda-Ayala V,Rasmussen J,Gerhards R.Innovations in Mechanical Weed Control:A Review[J].Agronomy for Sustainable Development,2021,41(03):1-24..

　　[4]Tillett N,Hague T,Grundy A,et al.Mechanical within-row weed control for transplanted crops using computer vision[J].Biosystems Engineering.2008,99(02):171-178.

　　[5]Bontsema J,Van Henten E J.A Vision-based Row-following System for Autonomous Mechanical Weed Control in Row Crops[J].Computers and Electronics in Agriculture,2020,178:1-14..

　　[6]Huibm Zhu,Yuanyuan Zhang,Danlei Mu,et al YOLOX-based blue laser weeding robotin corn field[Tl Frontiers in Plant Science.2022,13:1-16.

　　[7]王健.基于目标图像骨架特征的除草机器人的研究[D].天津.天津理工大学，2023.

　　[8]ND.Tillett,T.Hague,A.C.Grundy,et al.Mechanical within-row weed control fortransplanted crops using computer vision[J].Biosystems Engineering,2008,99:171-178

　　[9]Naio Technologies.Oz Autonomous Weeding Robot Technical Introduction[EB/OL].(2025-07-04)[2026-01-30].

　　[10]CARBON ROBOTICS.LaserWeeder[EB/OL].(2025-09-25)[2026-01-30].

　　[11]阚立民,赵胜雪.玉米除草装置的设计与试验[J].中国农机装备.2024,(01):32-35.

　　[12]胡炼,罗锡文,曾山,等.基于机器视觉的株间机械除草装置的作物识别与定位方法[J].农业工程学报.2013,29(11):11-18.

　　[13]权龙哲,张景禹,姜伟,等.基于玉米根系保护的株间除草机器人系统设计与试验[J].农业机械学报.2021,52(12):115-123.