相关实验视频
Updated: Jun 14, 2025
08:02
Robotic Sensing and Stimuli Provision for Guided Plant Growth
Published on: July 1, 2019
8.0K
深度学习方法用于检测温室中的西红花和芽在3P2R门架机器人上的3P2R门架机器人
Rajmeet Singh1,2, Asim Khan2, Lakmal Seneviratne1,2
1Department of Mechanical Engineering, Khalifa University, Abu Dhabi, United Arab Emirates.
Scientific reports
|September 4, 2024
概括
这项研究引入了YOLOv8用于机器人授粉,在检测番茄花和芽方面达到92.6%的准确性. 这种计算机视觉的进步提高了智能温室自动化和效率.
科学领域:
- 农业工程 农业工程
- 计算机视觉 计算机视觉
- 机器人技术 机器人技术 机器人技术
背景情况:
- 智能温室越来越多地利用计算机视觉和机器人来完成诸如授粉等自动化任务.
- 现有的研究往往侧重于单一方面的检测,限制了全面的机器人授粉解决方案.
- 机器人授粉提供了诸如减少劳动力和在番茄种植中有效使用花粉等好处.
研究的目的:
- 为机器人授粉开发一种用于同时标记,培训和检测番茄花的方法.
- 为了比较YOLOv5和YOLOv8在智能温室环境中的番茄花检测的性能.
- 将开发的检测模型与用于自动授粉的门架机器人系统集成.
主要方法:
- 用YOLOv5和YOLOv8模型用于番茄花检测的员工转移学习.
- 使用在不同照明条件下收集的数据集上的平均精度 (AP) 评分来评估模型性能.
- 将高级检测模型与3P2R道机器人集成,使用基于位置的视觉伺服方法.
主要成果:
- 对于番茄花和芽的检测,YOLOv8的平均精度 (mAP) 比YOLOv5的91.2%高,达到92.6%.
- 对于指定的图像尺寸,YOLOv8显示出0.7ms的快速推断速度.
- 基于位置的视觉伺服方法在非集群和集群实验室工厂环境中得到了验证.
结论:
- YOLOv8是一种高效的实时番茄花和芽检测模型,对于机器人授粉至关重要.
- 该研究为在机器人温室系统中部署计算机视觉算法提供了一个强大的框架.
- 结果为优化智能温室自动化和作物管理提供了实际见解.
