通过使用高效的目标检测和路径规划,优化基于无人机的授粉方法,为复杂的榴莲果园提供路径规划

科学领域:

• 农业工程 农业工程
• 人工智能的人工智能
• 机器人技术 机器人技术 机器人技术

背景情况:

• 杜兰花的授粉依赖于蝙蝠和昆虫等自然代理,由于环境问题和农药使用,它们的数量正在下降.
• 榴果园的自然授粉效率低下,导致水果产量和水果质量下降.
• 榴莲种植需要先进的授粉技术.

研究的目的:

• 开发一种基于人工智能的无人机授粉系统,用于榴莲果园.
• 为了提高榴莲花的物体检测精度,特别是在具有挑战性的条件下.
• 优化无人机路径规划,以实现高效可靠的授粉操作.

主要方法:

• 增强的YOLO-v8对象检测算法与GhostNet集成,以提高精度和减少计算负载.
• 开发了一种使用分支和绑定的增强旅行销售员问题 (EN-TSP) 算法,用于路径规划的最低成本优化.
• 在复杂的榴莲果园环境中实施了人工智能驱动的无人机系统,用于自动授粉.

主要成果:

• 与基线方法相比,杜连花的检测准确度提高了5.85%.
• 通过优化无人机路线规划,路线效率提高了26.89%.
• 幽灵网-YOLO-v8组合在低光和封闭条件下检测花朵方面表现出卓越的性能.

结论:

• 这种由人工智能驱动的无人机系统为榴莲授粉提供了可扩展,高效和精确的解决方案.
• 这项技术可以显著降低劳动力成本,提高榴产量和水果质量.
• 综合方法代表了水果种植智能农业的重大进步.