深度学习支持机器视觉系统精确自动化野生蓝收割机头部
Zeeshan Haydar1, Travis J Esau2, Aitazaz A Farooque3,4
1Faculty of Sustainable Design Engineering, University of Prince Edward Island, Charlottetown, PE, Canada.
Scientific reports
|June 23, 2023
概括
一个新的深度学习系统使用机器视觉自动调整野生蓝收割机高度,减少操作员疲劳,提高收获效率. 这项技术通过精确匹配收割机位置与无杂草田中的水果高度来提高安全性和产量.
科学领域:
- 农业工程 农业工程
- 计算机视觉 计算机视觉
- 机器学习 机器学习
背景情况:
- 手动调整野生蓝收割机的高度是劳动密集型的,并受到田间变化的影响.
- 操作员疲劳和收割机位置不佳可能会降低水果产量并造成安全隐患.
研究的目的:
- 开发和评估基于深度学习的机器视觉系统,用于自动化野生蓝收割机高度调整.
- 通过精确的实时控制收割机头部位置,减少操作员压力并提高收割效率.
主要方法:
- 使用了OpenCV AI Kit (OAK-D) 与YOLOv4微型深度学习模型和Python进行水果高度检测.
- 开发了一个系统,根据检测到的水果高度,自动调整收割机的头部牙 rake位置.
- 与手动调整相比,使用R2 (确定系数) 和σ (标准偏差) 来统计评估系统的准确性.
主要成果:
- 自动化系统在将收割机头位置与水果高度相匹配时,与手动调整 (R2 = 43%, σ = 2.3 cm) 相比,显示出更高的准确性 (R2 = 72%, σ = 2.1 cm).
- 该系统在没有杂草的环境中有效控制收割机头高度.
- 需要进一步开发,以便在杂草杂的田野部分运行.
结论:
- 支持深度学习的机器视觉系统为自动化野生蓝收获提供了一个有前途的解决方案.
- 该系统通过自动化收割机高度调整来减少操作员压力并提高安全性.
- 未来的工作应该集中在在具有挑战性的杂草条件下改善系统性能.
