关于在非结构化的环境中在开花期间检测和定位三花丝采摘点的方法的研究

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 机器学习

背景情况:

• 在非结构化的环境中,收获红杉丝的机器人面临着挑战.
• 准确检测和定位收获点对于机器人的效率至关重要.

研究的目的:

• 开发一个强大的收获点检测和定位模型,用于三花丝机器人.
• 在复杂,非结构化的农业环境中提高机器人收获的性能.

主要方法:

• 采用YOLO-SaFi模型来对松花丝进行分类.
• 引入了一种轻量级的细分检测头 (LSDH),以实现高效的细分.
• 集成的OpenCV用于轮提取和心点分析,以确定二维收获点.
• 开发了一种基于深度摄像头的定位系统,配备了Delta机器人臂,用于空间点的确定.

主要成果:

• 改进的YOLO-SaFi-LSDH模型实现了95.0%的细分精度,95.0%的回忆率和96.8%的平均精度,模型大小减少了30.2%.
• 定位系统显示检测成功率为91.0%.
• 定位错误被控制在平均2.42mm (x轴),2.86mm (y轴) 和3.18mm (z轴) 的范围内.

结论:

• 拟议的基于DSOE的模型在复杂的环境中提供了卓越的检测和定位性能.
• 这为开发智能松花丝收获机器人提供了坚实的基础.
• 该系统增强了自动收获三花丝的可行性.