根据改进的YOLOv8和RGB-D信息融合,对天然树进行采用线路检测和采用风险估计
Yaya Chen1, Hui Yang2, Junxiao Liu2
1School of Information and Communication Engineering, Hainan University, Haikou, 570228, China.
Scientific reports
|November 20, 2024
概括
这项研究引入了一种改进的YOLOv8方法,用于检测挖掘线和估计种植园中的挖掘姿势. 这种方法提高了机器人的效率和准确性,用于天然树的收获.
科学领域:
- 机器人和自动化机器人与自动化
- 计算机视觉 计算机视觉
- 农业工程 农业工程
背景情况:
- 接机器人需要精确的接线路检测和构成估计,以实现高效运行.
- 现有的方法在复杂的种植环境中面临挑战.
研究的目的:
- 开发一种基于YOLOv8的改进方法,用于检测线和估计的位.
- 为了提高挖机器人的性能和效率.
主要方法:
- 改进了YOLOv8n与CFB模块,额外的输出层,EMA注意力,以及用于检测和细分的NWD损失.
- 使用水平设置和圆配套提取车身骨架线.
- 通过边缘检测和几何分析进行点击线路定位.
- 使用RGB-D融合的干骨架和点击线数据进行姿势估计.
主要成果:
- 改进的YOLOv8n实现了81.9%的mAP0.5检测和72.9%的mAP0.5细分,模型大小为6.06 MB.
- 姿势估计显示了96%的成功率,平均时间为0.2818秒.
- 记录了较低的定位误差 (mm) 和角度误差 (°),表明高精度.
结论:
- 拟议的方法有效地解决了挖掘线路检测和挖掘所带来的估计挑战.
- 这种方法为开发自主机器人提供了强大的解决方案.
