星级轻量级卷积和NDT-RRT:用于核桃收获机器人的综合路径规划方法
Xiangdong Liu1, Xuan Li1, Bangbang Chen1
1School of Mechatronic Engineering, Xinjiang Institute of Technology, Aksu 843100, China.
Sensors (Basel, Switzerland)
|January 10, 2026
概括
这项研究引入了YOLO-FW和NDT-RRT用于掉落的核桃采摘机器人,提高了果园中检测准确度和路径规划速度. 集成系统确保了强大的,高精度,实时操作,用于智能机器人收获.
科学领域:
- 机器人技术 机器人技术 机器人技术
- 计算机视觉 计算机视觉
- 人工智能的人工智能
背景情况:
- 在复杂的果园中,落核桃采摘机器人面临着缓慢响应和低准确度的挑战.
- 现有的方法很难满足高效和精确的机器人收获的需求.
研究的目的:
- 开发一个集成的检测和路径规划方法,用于掉落的核桃采摘机器人.
- 在具有挑战性的果园环境中提高机器人操作的速度和准确性.
主要方法:
- 拟议的YOLO-FW检测模型具有星形卷积,C3K2模块,CA_HSFPN和PIoU损失,以改善特征提取和融合.
- 实现了NDT-RRT路径规划算法,具有节点拒绝,动态步骤大小和目标偏差采样,以实现高效的规划.
- 在NVIDIA Jetson Xavier NX上使用PySide6框架开发了一个检测和规划系统.
主要成果:
- YOLO-FW实现了90.6%的精度,90.4%的回忆率和95.7%的mAP@0.5,体积为3.62 MB,参数减少了30.65%.
- 在保持路径质量的同时,NDT-RRT减少了87.71%的搜索时间.
- 现场测试证实了系统的稳定性,高精度和实时性能.
结论:
- 集成的YOLO-FW和NDT-RRT方法显著提高了落核桃采摘机器人的性能.
- 开发的系统提供了一个可行的技术解决方案,用于在现实世界果园条件下进行智能机器人收获.
