在蘋果果園中，雜草會與果樹競爭養分、水分與光照，進而降低產量，因此有效的雜草管理至關重要，然而人工除草不僅費工，還可能破壞土壤結構與樹根，化學除草則可能帶來環境污染、抗藥性增加與農藥殘留等問題，為此美國賓州州立大學研究團隊開發一套結合人工智慧與機器人的精準除草系統，以此降低化學藥劑的使用並減少對作物與環境的傷害。

　　研究團隊發表了一套以機器視覺為核心的 AI 模型，能在蘋果果園中準確辨識、描繪並估算雜草密度，未來可用於引導自動化精準噴藥機器人。由於果園樹冠與低垂枝條會遮擋視線，傳統由上往下拍攝的無人機系統難以清楚辨識地面雜草，因此研究改採側視攝影機，即使雜草部分被遮蔽，也能進行偵測，而為克服遮蔽與誤判問題，研究團隊在既有的深度學習模型中加入一種模組，能聚焦於關鍵影像特徵，消除無關資訊，提升機器在複雜環境中的辨識準確度。此外，研究人員整合追蹤演算法與過濾機制，讓系統能在影像連續畫面中持續辨識雜草，避免重複計數，並在雜草短暫被遮擋時仍能持續追蹤，模型在多處果園進行測試並嘗試應用於蒲公英、苦滇菜(common sow-thistle)、加拿大蓬(Canadian horseweed)、北美刺龍葵(Carolina horsenettle)等雜草，研究結果發現，該系統在雜草分割偵測與定位上皆達到八成以上準確率，且在多物件追蹤與雜草種類辨識方面表現穩定，誤判極少。

　　研究團隊期許這項技術可為果園提供即時且可靠的雜草資訊，方便區域化精準管理，有助於提升除草效率、減少農藥浪費，幫助果園經營朝向更永續的方向邁進。

【延伸閱讀】- 機器視覺技術革新農業除草方式，大幅降低除草劑使用量