基于LiDAR的批量谷物装载状态识别方法的研究
Jiazun Hu1, Xin Wen1, Yunbo Liu1
1School of Intelligent Systems Engineering, Sun Yat-sen University, Shenzhen 518107, China.
Sensors (Basel, Switzerland)
|August 29, 2024
概括
这项研究引入了一种使用光检测和测距 (LiDAR) 的新方法,以准确确定散装谷物装载状态. 该系统通过使用深度学习分析点云数据来提高运输效率和安全性.
科学领域:
- 农业工程 农业工程
- 机器人和自动化 机器人和自动化
- 计算机视觉 计算机视觉
背景情况:
- 散装谷物运输对全球贸易至关重要.
- 手动评估谷物负载是低效和不安全的.
- 优化货物空间和防止泄漏是关键的挑战.
研究的目的:
- 开发一个自动化系统来识别散装谷物装载状态.
- 提高谷物运输过程的效率和安全性.
- 为了利用光检测和测距 (LiDAR) 技术进行货物监控.
主要方法:
- 利用LiDAR捕获谷物装载车辆的点云数据.
- 开发了一个深度学习网络,用于目标识别和组件细分.
- 从点云数据中提取了车辆的位置和粒状.
主要成果:
- 在点云分类中获得了97.9%的整体准确率和98.1%的平均准确率.
- 在汽车组件细分中获得了99.1%的整体准确率和96.6%的欧盟平均交叉点.
- 在提取车辆位置和颗粒形状方面表现出可靠的性能.
结论:
- 拟议的基于LiDAR的方法有效地识别了散装谷物装载状态.
- 这种技术比传统的手工方法有了显著的改进.
- 该系统显示了提高散装货物物流的安全性和效率的潜力.
更多相关视频
08:09Measuring and Mapping Patterns of Soil Erosion and Deposition Related to Soil Carbonate Concentrations Under Agricultural Management
Published on: September 12, 2017
11.8K
11:03An Analog Macroscopic Technique for Studying Molecular Hydrodynamic Processes in Dense Gases and Liquids
Published on: December 4, 2017
8.5K
