研究基于复合模型的复杂条件下的草采摘点的视觉定位方法
Hehe Xie1, Zhijie Zhang1, Kailiang Zhang1
1College of Engineering, China Agricultural University, Beijing, China.
本研究介绍了一种可视化方法,用于使用复合人工智能模型定位草采摘点. 该方法提高了机器人收获的准确性和效率,解决了复杂环境中当前的局限性.
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:
- 草收获是劳动密集型的,需要精确的采摘点识别以实现自动化.
- 目前用于定位采集点的方法存在不准确性,并且在复杂的场景中缺乏有效性.
研究的目的:
- 开发一个准确和有效的视觉定位方法,用于草采摘点.
- 通过精确的指导,提高草收获机器人的性能.
主要方法:
- 开发了一种使用对象检测 (YOLOv8s) 和实例分割 (YOLOv8s-seg-CBAM) 的复合模型方法.
- 卷积块注意模块 (CBAM) 集成到YOLOv8s-seg中,以增强检测.
- 评估了各种对象检测和实例细分模型,以找到最佳组合.
主要成果:
- 复合模型实现了86.2%的脚探测精度.
- 该系统显示,每张图像的有效推断时间为30.6毫秒.
- YOLOv8s和YOLOv8s-seg-CBAM的组合被证明是有效的识别挑选点和倾斜.
结论:
- 拟议的视觉定位方法平衡了草自动收获的准确性和效率.
- 这种方法为机器人收获操作提供了更精确的指导.
- 复合模型显示了推进农业机器人的巨大潜力.
更多相关视频
08:47Author Spotlight: UAV Remote Sensing for Efficient Invasive Plant Biomass Estimation
Published on: February 9, 2024
10:25Construction of Models for Nondestructive Prediction of Ingredient Contents in Blueberries by Near-infrared Spectroscopy Based on HPLC Measurements
Published on: June 28, 2016
相关概念视频
Area Computation by the Alternative Coordinate Method
Design Example: Measuring Distance Between Two Points with Obstructions
Selected Data About Geographic Locations
Methods of Obtaining Topography
Field Procedure for Staking Out Curves
Design Example: Identifying the Locations of Monuments in the Field Using Global Positioning System Device
