无人监督的单眼深度估计与全向摄像头用于野生葡萄的3D重建
Yasuto Tamura1, Yuzuko Utsumi2, Yuka Miwa3
1College of Engineering, Osaka Prefecture University, Sakai, Japan.
PloS one
|February 3, 2025
概括
这项研究开发了一种人工智能系统,用于识别进行修剪的葡萄,从而降低了食用葡萄生产的劳动力成本. 该技术使用全方位摄像头的深度学习来估计果园中的3D果位置.
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:
- 餐饮葡萄的生产是劳动密集型的,特别是葡萄果的修剪,影响成本和可访问性.
- 对新进入者来说,掌握修剪技术是一项挑战,需要技术援助.
- 现有的3D重建方法与葡萄无纹理,对称和拥挤的性质作斗争.
研究的目的:
- 开发一种自动化系统,用于识别在修剪期间要去除的葡萄.
- 为了估计单个葡萄的3D位置,在束子内进行修剪指导.
- 为了克服在户外果园环境中3D重建葡萄的挑战.
主要方法:
- 扩展基于深度学习的无监督单眼深度估计方法,用于全向摄像头.
- 在自然果园环境中应用该方法来估计葡萄的3D位置.
- 使用全向摄像机在户外环境中进行广视场视频捕捉.
主要成果:
- 拟议的方法有效地估计了个别葡萄的3D位置.
- 证明了在具有挑战性的农业场景中使用扩展深度学习进行3D重建的可行性.
- 在现实世界的户外葡萄园中验证了系统的性能.
结论:
- 开发的系统有望帮助葡萄种植者完成劳动密集型的修剪任务.
- 这项技术可以帮助降低生产成本,提高食用葡萄的可获得性.
- 适应的深度学习方法为复杂的农业环境中的3D感知提供了可行的解决方案.


