OpenWeedLocator
低成本的 Raspberry Pi 雜草偵測裝置，以電腦視覺進行精準點噴
授權條款
MIT
概述
OpenWeedLocator 是以 Raspberry Pi 為核心的開源雜草偵測裝置，由雪梨大學（University of Sydney）的 Precision Weed Control Lab 開發。它使用攝影機與綠色偵測演算法即時找出雜草，並觸發電磁閥進行精準點噴。它可以用現成元件與 3D 列印零件打造，成本約 400 美元。
OpenWeedLocator（OWL）是由 University of Sydney 的 Precision Weed Control Lab 開發的開源、以攝影機為基礎的雜草偵測系統。它以 Raspberry Pi 單板電腦為核心，使用綠色偵測演算法即時辨識雜草，並觸發由繼電器控制的電磁閥進行精準點噴。整套裝置可以用現成零件與 3D 列印零件組裝，成本約 400 美元，讓全球的農民、研究人員與業餘愛好者都能採用定點雜草防治。
系統支援 Raspberry Pi 3B+、4 與 5，可搭配多種攝影機模組，包括在較高速度下表現最佳的 Raspberry Pi Global Shutter Camera。偵測演算法包括 Excess Green（ExG）、HSV 閾值，以及結合 ExG+HSV 的方法，全部以 OpenCV 與 NumPy 實作。若要在作物中進行進階的綠中辨綠雜草偵測，可選配 Google Coral USB Accelerator 執行深度學習推論。裝置提供三種外殼設計：原始的扁平 3D 列印版、精簡的 3D 列印版，以及帶有橡膠密封與玻璃鏡片的專業鋁擠型外殼。
OWL 已發展成一個充滿活力的生態系，擁有專屬的社群論壇（community.openweedlocator.org）、用於將偵測整合到自訂平台的配套 Python 工具組（openweedlocator-tools）、發表於 Scientific Reports 與 Computers and Electronics in Agriculture 的同儕審查研究，以及橫跨四大洲的田間部署。這套系統曾被安裝在多用途車輛、AgroIntelli Robotti 與 Agerris Digital Farmhand 等農業機器人，甚至腳踏車上，展現它作為模組化雜草防治平台的多樣用途。
為何重要
OpenWeedLocator 代表精準農業的典範轉移，它讓過去只能透過要價數萬美元的商用系統取得的技術更加普及。傳統的全面噴灑除草劑會浪費化學藥劑、損害土壤健康，並加速除草劑抗性的產生，而定點雜草防治正好直接處理這些問題。OWL 以開源藍圖讓一套可運作的點噴系統只需 400 美元，讓小農、農業研究人員與開發中國家的社區都能採用精準雜草管理，而不必負擔高不可攀的前期成本。
對開源機器人社群而言，OWL 展示了 Raspberry Pi 這類易於取得的硬體平台，如何大規模解決真實的農業難題。它的模組化架構將偵測、控制與致動分開，為以通用元件打造農業機器人系統提供了藍圖。這個專案連結了學術研究與實際農作：同儕審查的論文驗證了它的表現，而活躍的製作者社群則持續為全球各種田間條件調整與擴充這個平台。
解決的問題
傳統的雜草防治高度仰賴全面噴灑除草劑：不論實際是否有雜草，整片田地都均勻噴灑。這種做法會把 70-90% 的除草劑浪費在沒有雜草的地面上，推高農民的投入成本，造成環境汙染，並加速具除草劑抗性雜草族群的演化，這是一場威脅全球糧食生產、日益嚴重的危機。
市面上雖有商用的定點雜草防治系統（例如 John Deere See & Spray），但要價數十萬美元，全球大多數農民都負擔不起。OpenWeedLocator 填補了這個可及性缺口，提供一套完整、可自行打造的雜草偵測與點噴系統，每台成本約 400 美元。它讓農民在維持有效雜草防治的同時大幅減少除草劑用量，已發表的研究顯示，在 5 km/h 的典型作業速度下偵測召回率達 74.8%。
重點
- 完整的開源雜草偵測與點噴系統，使用 Raspberry Pi、攝影機模組、繼電器板與 3D 列印外殼，約 400 美元即可打造
- 以 OpenCV 搭配綠色偵測演算法（ExG + HSV 閾值），在 5 km/h 下達到 74.8% 的雜草偵測召回率，不需要 GPU 或雲端
- 支援 Raspberry Pi 3B+、4 與 5，可選配 Google Coral 加速器，以深度學習進行作物中的綠中辨綠雜草偵測
- 已在四大洲部署於車輛、農業機器人（AgroIntelli Robotti、Agerris Digital Farmhand），甚至腳踏車上，因應多樣的雜草防治情境
- 有發表於 Scientific Reports 與 Computers and Electronics in Agriculture 的同儕審查研究支持，並有活躍的社群論壇與配套工具組
適用對象
- 尋求平價精準雜草防治以降低除草劑成本的農民與農業生產者
- 研究定點雜草管理、除草劑抗性與植物偵測演算法的農業研究人員
- 打造需要模組化雜草偵測能力之自主農業平台的機器人工程師
- 農業工程、電腦視覺與機電整合課程的大學生與教育工作者
- 對具真實影響力之 Raspberry Pi 實用專案感興趣的開源硬體愛好者
- 尋找經過驗證之偵測演算法以整合進商用產品的農業科技新創與開發者
限制
- 綠中辨土（green-on-brown）偵測只適用於休耕地或裸露土壤：若沒有選配（且較複雜）的綠中辨綠深度學習設定，就無法區分雜草與作物
- 速度較高時偵測召回率明顯下降（30 km/h 時為 50.5%，5 km/h 時為 74.8%），限制了可靠覆蓋所需的實際作業速度
- 需要自行組裝電子元件、配線與 3D 列印：不是隨插即用的方案，對非技術背景的農民形成門檻
- 表現會隨光照條件、攝影機設定與雜草種類而變化：每次部署都需要在現場校準偵測閾值
- 單一 Raspberry Pi 的處理能力讓每台裝置只能使用一台攝影機的視野：要覆蓋寬幅噴桿，需要多台 OWL 裝置，成本也隨之增加