| 基于YOLO v5m的红花花冠目标检测与空间定位方法 |
| |
| 引用本文： | 郭辉,陈海洋,高国民,周伟,武天伦,邱兆鑫. 基于YOLO v5m的红花花冠目标检测与空间定位方法[J]. 农业机械学报, 2023, 54(7): 272-281 |
| |
| 作者姓名： | 郭辉 陈海洋 高国民 周伟 武天伦 邱兆鑫 |
| |
| 作者单位： | 新疆农业大学机电工程学院,乌鲁木齐 830052 |
| |
| 基金项目： | 新疆维吾尔自治区自然科学基金项目（2022D01A177） |
| |
| 摘 要： | 针对红花采摘机器人田间作业时花冠检测及定位精度不高的问题,提出了一种基于深度学习的目标检测定位算法(Mobile safflower detection and position network, MSDP-Net)。针对目标检测,本文提出了一种改进的YOLO v5m网络模型C-YOLO v5m,在YOLO v5m主干网络和颈部网络插入卷积块注意力模块,使模型准确率、召回率、平均精度均值相较于改进前分别提高4.98、4.3、5.5个百分点。针对空间定位,本文提出了一种相机移动式空间定位方法,将双目相机安装在平移台上,使其能在水平方向上进行移动,从而使定位精度一直处于最佳范围,同时避免了因花冠被遮挡而造成的漏检。经田间试验验证,移动相机式定位成功率为93.79%,较固定相机式定位成功率提升9.32个百分点,且在X、Y、Z方向上移动相机式定位方法的平均偏差小于3 mm。将MSDP-Net算法与目前主流目标检测算法的性能进行对比,结果表明,MSDP-Net的综合检测性能均优于其他5种算法,其更适用于红花花冠的检测。将MSDP-Net算法和相机移动式定位方法应用于自主研发的红花采摘机器人上进行...
|
| 关 键 词： | 红花采摘机器人 深度学习 目标检测 空间定位 |
| 收稿时间： | 2023-03-30 |
Safflower Corolla Object Detection and Spatial Positioning Methods Based on YOLO v5m |
| |
| GUO Hui,CHEN Haiyang,GAO Guomin,ZHOU Wei,WU Tianlun,QIU Zhaoxin. Safflower Corolla Object Detection and Spatial Positioning Methods Based on YOLO v5m[J]. Transactions of the Chinese Society for Agricultural Machinery, 2023, 54(7): 272-281 |
| |
| Authors: | GUO Hui CHEN Haiyang GAO Guomin ZHOU Wei WU Tianlun QIU Zhaoxin |
| |
| Affiliation: | Xinjiang Agricultural University |
| |
| Abstract: | |
| |
| Keywords: | safflower picking robot deep learning object detection spatial positioning |
| 本文献已被 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》下载全文 |
|
