Comparative Evaluation of Convolutional and Transformer-Based Detectors for Automated Weed Detection in Precision Agriculture

Technische Samenvatting: Vergelijkende Evaluatie van Convolutionele en Transformer-gebaseerde Detectoren voor Geautomatiseerde Onkruiddetectie

Probleemstelling
Het artikel behandelt de kritieke uitdaging van onkruiddetectie in een vroeg stadium binnen de precisielandbouw, een taak die wordt bemoeilijkt door de hoge morfologische gelijkenis tussen gewassen en onkruid, aanzienlijke variabiliteit binnen dezelfde klasse en ongestructureerde omgevingsomstandigheden (bijvoorbeeld variabele belichting, bodemtexturen en verduisteringen). Hoewel diep leren de landbouwkundige computervisie heeft verbeterd, kampen bestaande oplossingen vaak met gebrek aan robuustheid in realistische scenario's. Specifiek ontbreekt er een systematische, eerlijke vergelijking tussen Convolutional Neural Network (CNN)-architecturen en Transformer-gebaseerde modellen binnen een unifyd experimenteel kader met realistische, hoogwaardige datasets. De studie heeft tot doel vast te stellen of de mogelijkheden van Transformers voor het modelleren van globale context een tastbaar voordeel bieden ten opzichte van de computationele efficiëntie van CNN's voor fijne discriminatie tussen gewas en onkruid.

Methodologie
De auteurs voerden een uitgebreide vergelijkende evaluatie uit met behulp van de GROUND-BASED_WEED-dataset, een publieke benchmark verzameld uit commerciële tomatenvelden in Spanje. De dataset bestaat uit hoogwaardige RGB-afbeeldingen (5184 × 3888 pixels) vastgelegd vanuit een vogelperspectief, met zeven geannoteerde klassen (één gewas en zes onkruidsoorten, plus een ambigu klasse) en weerspiegelt realistische uitdagingen zoals onbalans tussen klassen en labelruis.

Het experimentele ontwerp vergeleek drie representatieve objectdetectie-architecturen:

1. Op CNN gebaseerd: YOLOv26-nano, geselecteerd vanwege het lichtgewicht ontwerp en de geschiktheid voor ingebouwde systemen.
2. Op Transformer gebaseerd: RT-DETR (Medium en Large varianten) en RF-DETR, gekozen vanwege hun vermogen om globale context vast te leggen via self-attention mechanismen.

Alle modellen werden getraind volgens een gestandaardiseerd protocol (200 epochs, AdamW-optimizer, batchgrootte 4) op een NVIDIA RTX 2080 Super GPU. Om de afweging tussen nauwkeurigheid en efficiëntie te analyseren, werden experimenten uitgevoerd op drie invoeroplossingen: 640, 1080 en 2160 pixels. De prestaties werden geëvalueerd met behulp van standaard COCO-metrics (Precisie, Recall, mAP@50, mAP@50–95) en metrics voor inferentie-efficiëntie (latentie en FPS).

Belangrijkste Resultaten
De evaluatie toonde een duidelijke afweging tussen computationele efficiëntie en contextmodelleren:

• Prestaties: YOLOv26-nano en RT-DETR behaalden vergelijkbare prestaties qua Precisie, Recall en mAP@50, met name bij hogere resoluties. Hoewel RT-DETR marginale verbeteringen toonde in mAP@50 bij 2160 pixels, waren deze winsten niet statistisch significant in vergelijking met de CNN-gebaseerde aanpak. RF-DETR presteerde consequent slechter op alle metrics.
• Invloed van Resolutie: Het verhogen van de invoeroplossing van 640 naar 2160 pixels leverde slechts verwaarloosbare verbeteringen op in detectienauwkeurigheid. De auteurs schrijven dit toe aan de intrinsieke aard van de dataset, waarbij doelobjecten (onkruid in een vroeg stadium) slechts een zeer klein deel van de afbeelding innemen, wat betekent dat hogere resolutie niet noodzakelijkerwijs meer discriminerende kenmerken biedt.
• Efficiëntie: YOLOv26-nano vertoonde aanzienlijk lagere computationele kosten en snellere inferentietijden in vergelijking met de Transformer-gebaseerde modellen. De Transformer-modellen vereisten hogere geheugentoewijzing en vertoonden langere inferentietijden, wat uitdagingen oplevert voor realtime implementatie op ingebouwde platformen met beperkte middelen.

Belangrijkste Bijdragen

• Systematische Vergelijking: De studie biedt een rigoureuze, zij-aan-zij evaluatie van state-of-the-art CNN- en Transformer-detectoren onder identieke omstandigheden, waardoor een gat in de literatuur wordt gedicht met betrekking tot eerlijke vergelijkingen in landbouwkundige contexten.
• Benchmarking in de Realiteit: In tegenstelling tot veel studies die vertrouwen op gecontroleerde omgevingen, maakt dit werk gebruik van een hoogwaardige dataset uit het veld met inherente ruis en onbalans tussen klassen, wat een realistischere beoordeling van modelrobustheid biedt.
• Resolutie-analyse: Het artikel onderzoekt de afnemende meerwaarde van het verhogen van de invoeroplossing voor detectie van kleine objecten in de landbouw, wat suggereert dat architecturale efficiëntie voor deze specifieke taak kritischer kan zijn dan ruwe resolutie.

Betekenis en Beweringen
Het artikel concludeert dat voor onkruiddetectie in een vroeg stadium binnen de precisielandbouw hiërarchische CNN-optimalisatie (specifiek YOLOv26-nano) een robuustere en levensvatbaardere aanpak biedt dan Transformer-gebaseerde architecturen. Hoewel Transformers uitblinken in het modelleren van globale context, vertaalt dit vermogen zich niet in een substantieel prestatievoordeel voor de specifieke taak van het detecteren van kleine, verspreide objecten in landbouwvelden.

De auteurs beweren dat YOLOv26-nano de meest gunstige balans biedt tussen nauwkeurigheid en computationele efficiëntie, waardoor het de voorkeurskandidaat is voor integratie in ingebouwde robotsystemen die werken onder realistische veldomstandigheden. De studie benadrukt dat voor deze toepassing de efficiëntie van single-stage CNN's opweegt tegen de theoretische voordelen van globale attention-mechanismen, met name wanneer implementatie op randapparaten prioriteit heeft. Door de auteurs voorgesteld toekomstig werk omvat het verkennen van instantiesegmentatie voor betere afbakening van onregelmatige onkruidmorfologieën en het gebruik van synthetische data-augmentatie (bijvoorbeeld GAN's of diffusiemodellen) om datasetonbalans aan te pakken.