相关实验视频
Updated: Jun 23, 2025
08:02
Robotic Sensing and Stimuli Provision for Guided Plant Growth
Published on: July 1, 2019
8.0K
设计和开发用于蔬菜收获和土壤分析的农业漫游车
Bristy Das1, Tahmid Zarif Ul Hoq Sayor1, Rubyat Jahan Nijhum1
1EEE Department, Nanotechnology, IoT and Applied Machine Learning Research Group, Brac University, Dhaka, Bangladesh.
PloS one
|June 21, 2024
概括
一辆新的农业漫游车自主收获蔬菜并使用深度学习 (YOLOv5) 分析土壤. 这项技术有望加强作物管理和土壤监测,以实现可持续农业,支持联合国的零饥饿目标.
科学领域:
- 农业工程 农业工程
- 机器人技术 机器人技术 机器人技术
- 计算机视觉 计算机视觉
- 土壤科学 土壤科学
背景情况:
- 越来越多的可持续农业需求需要技术进步.
- 提高作物生产率和土壤健康对于粮食安全至关重要.
研究的目的:
- 设计和开发一个自主农业漫游车.
- 整合蔬菜收获和土壤分析的深度学习.
- 加强现代作物管理和土壤监测.
主要方法:
- 使用深度学习算法 (YOLOv5) 来检测番茄成熟度.
- 集成机器人,计算机视觉和土壤传感技术.
- 为漫游车开发了自主导航和任务执行能力.
主要成果:
- 在YOLOv5模型中,获得了0.8518%和0.7624%的精度和回忆得分.
- 证明有效的自主蔬菜收获和土壤分析.
- 实地实验证实了火星车的有效性.
结论:
- 农业漫游车是改善作物管理的一个有前途的技术.
- 该系统提供高效的土壤监测能力.
- 这一创新有助于实现联合国的可持续发展目标2 (零饥饿).
