相关实验视频
Updated: Jun 3, 2025
08:02
Robotic Sensing and Stimuli Provision for Guided Plant Growth
Published on: July 1, 2019
7.9K
用机器人收获水果的成功度量
Dasom Seo1, Il-Seok Oh1,2
1Department of Computer Science & Artificial Intelligence, Jeonbuk National University, Jeonju-si 54896, Republic of Korea.
Sensors (Basel, Switzerland)
|January 11, 2025
概括
机器人收获的新指标评估了使用边界盒中心和抓手规格的果实抓获成功. 这种方法比平均精度 (AP) 更直观,用于选择高效的果摘机器人.
科学领域:
- 农业机器人农业机器人
- 计算机视觉 计算机视觉
- 机器学习评估 机器学习评估
背景情况:
- 计算机视觉对于农业任务至关重要,例如机器人收获,利用物体检测来识别水果.
- 目前的物体检测评估指标,如平均精度 (AP),对于机器人收获是不够的,因为它们不能准确地预测抓获成功.
研究的目的:
- 为机器人收获提出一种新的评估指标,以更准确地评估捕获成功.
- 为了为水果收获机器人选择高效的物体检测模型提供更直观的指标.
主要方法:
- 开发了一种使用边界框中心坐标和反映抓手规格的边缘超参数的新度量.
- 评估了使用拟议的指标对桃子和果数据集的流行物体检测模型.
主要成果:
- 与传统指标相比,提出的抓获性成功指标在解释绩效数据方面表现出更高的直观性和实用性.
- 基于边界框重叠形状的抓取成功预测中发现了显著的差异,而AP无法捕捉到这些差异.
结论:
- 新的抓取成功指标为在机器人收获应用中评估物体检测模型提供了更可靠的方法.
- 这一指标有助于选择更高效和有效的机器人收获系统,通过更好地预测现实世界的性能.
