| 基于YOLOv3目标检测的秧苗列中心线提取方法 |
| |
| 引用本文： | 张勤,王家辉,李彬.基于YOLOv3目标检测的秧苗列中心线提取方法[J].农业机械学报,2020,51(8):34-43. |
| |
| 作者姓名： | 张勤 王家辉 李彬 |
| |
| 作者单位： | 华南理工大学机械与汽车工程学院,广州510641;华南理工大学自动化科学与工程学院,广州510641 |
| |
| 基金项目： | 广东省省级科技计划项目（2014A020208018） |
| |
| 摘 要： | 针对秧苗列中心线的检测结果易受到水田中的浮萍、蓝藻以及水面反射、风速、光照情况等自然条件影响的问题,提出一种基于YOLOv3目标检测的秧苗列中心线检测算法。基于透视投影计算提取图像的ROI(Region of interest)区域,采用ROI图像构建数据集,对YOLOv3模型进行训练,训练过程中通过减少YOLOv3模型的输出降低运算量,利用模型识别定位ROI内的秧苗,并输出其检测框,对同列秧苗的检测框进行自适应聚类。在对秧苗图像进行灰度化和滤波处理后,在同类检测框内提取秧苗SUSAN(Smallest univalue segment assimilating nucleus)角点特征,采用最小二乘法拟合秧苗列中心线。试验结果表明,该算法对于秧苗的不同生长时期,以及在大风、蓝藻、浮萍和秧苗倒影、水面强光反射、暗光线的特殊场景下均能成功提取秧苗列中心线,鲁棒性较好,模型的平均精度为91.47%,提取的水田秧苗列中心线平均角度误差为0.97°,单幅图像(分辨率640像素×480像素)在GPU下的平均处理时间为82.6 ms,能够满足视觉导航的实时性要求。为复杂环境下作物中心线的提取提供了有效技术途径。
|
| 关 键 词： | 水田秧苗 中心线提取 深度学习 ROI图像 自适应检测框聚类 |
| 收稿时间： | 2019/12/9 0:00:00 |
Extraction Method for Centerlines of Rice Seedings Based on YOLOv3 Target Detection |
| |
| ZHANG Qin,WANG Jiahui,LI Bin.Extraction Method for Centerlines of Rice Seedings Based on YOLOv3 Target Detection[J].Transactions of the Chinese Society of Agricultural Machinery,2020,51(8):34-43. |
| |
| Authors: | ZHANG Qin WANG Jiahui LI Bin |
| |
| Institution: | South China University of Technology |
| |
| Abstract: | |
| |
| Keywords: | rice seedlings centerlines extraction deep learning image of region of interest bounding boxes clustering |
| 本文献已被 CNKI 万方数据 等数据库收录！ |
| 点击此处可从《农业机械学报》浏览原始摘要信息 |
| 点击此处可从《农业机械学报》下载免费的PDF全文 |
|
