基于Im-YOLOv5s的Panax notoginseng影子屋中的行列间机器人的导航路径提取

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:

• 农业中的自动导航需要精确的路径提取.
• 复杂的环境,如Panax notoginseng影子屋,由于颜色相似性和阴影,存在挑战.

研究的目的:

• 在具有挑战性的农业环境中开发一种可靠的导航线提取方法.
• 提高农业机器人导航的准确性和效率.

主要方法:

• 提出了一个深度学习和最小平方 (DL-LS) 算法.
• 增强了YOLOv5s与MobileNetv3和ECANet的功能,以改善根检测.
• 使用根点替换和最小正方形适合线索提取.

主要成果:

• 改进的YOLOv5s (Im-YOLOv5s) 实现了94.9%的平均平均精度 (mAP).
• 与YOLOv5s相比,Im-YOLOv5s的精度增加了1.9%,率增加了27.7%.
• DL-LS方法实现了准确的行线提取,最大偏差为1.64°.

结论:

• Im-YOLOv5s模型为检测七叉根提供了更高的性能和更低的计算复杂性.
• DL-LS方法有效地提取导航线,满足机器人导航的要求.
• 这项研究支持Panax notoginseng种植的智能机械化.