"这个蓝是成熟的吗? ":一个蓝成熟度检测算法,用于采摘机器人
Yan Liu1, Hongtao Zheng1, Yonghua Zhang1
1School of Information and Electrical Engineering, Hangzhou City University, Hangzhou, China.
Frontiers in plant science
|June 26, 2023
概括
这项研究引入了一种新的基于YOLO的蓝成熟度检测算法,提高了机器人采摘精度和效率. 改进的算法实现了更高的检测率和更快的处理速度,用于自动收获.
科学领域:
- 农业机器人农业机器人
- 计算机视觉 计算机视觉
- 机器学习 机器学习
背景情况:
- 手动采摘蓝面临着由于劳动力短缺和难以准确识别水果成熟度的挑战.
- 现有的自动化系统在水果阴影,小尺寸,环境变化和有限的计算能力方面扎.
- 开发高效准确的成熟度检测对于机器人收获来满足市场需求至关重要.
研究的目的:
- 提出一种新的,基于YOLO的轻量级算法,用于在机器人收获中增强蓝成熟度检测.
- 提高蓝成熟度识别的准确性和效率,解决当前自动化系统的局限性.
- 开发一种适合在有限计算资源的采摘机器人上部署的算法.
主要方法:
- 一个修改后的YOLOv5x架构,在MobileNetv3.3中包含一个轻量级的注意模块 (Little-CBAM).
- 实现了多方法特征提取器 (MSSENet) 与通道注意力机制,以改善特征表示.
- 利用EIOU_Loss进行更快的训练和k-means++进行优化架集群,以适应蓝大小.
主要成果:
- 拟议的算法实现了平均平均精度 (mAP) 78.3%,比YOLOv5x.提升了9%.
- 与PC终端上的YOLOv5x相比,每秒 (FPS) 增加了2.1倍.
- 成功转换为采摘机器人,以47 FPS实现实时检测,超过手动检测能力.
结论:
- 开发的基于YOLO的算法显著提高了蓝成熟度检测的准确性和机器人收获的处理速度.
- 轻量级的架构和注意力机制有效地解决了诸如水果遮阳和小目标检测等挑战.
- 这一进步为高效和自动化的蓝收获提供了切实可行的解决方案,改善了市场供应.
