复杂环境下香蕉多目标特征快速识别研究
作者:
作者单位:

作者简介:

通讯作者:

基金项目:

国家重点研发计划(2020YFD1000104);广东省重点领域研发计划(2019B020223002);财政部和农业农村部:现代农业产业技术体系建设专项(CARS-31-10);广东省基础与应用基础研究(2020A1515010793)


Research on fast recognition of banana multi-target features by visual robot in complex environment
Author:
Affiliation:

Fund Project:

  • 摘要
  • |
  • 图/表
  • |
  • 访问统计
  • |
  • 参考文献
  • |
  • 相似文献
  • |
  • 引证文献
  • |
  • 资源附件
    摘要:

    目的 针对野外环境下断蕾机器人对多特征的变量目标快速识别难题,以及目标受到树叶、遮挡及光照影响精度的问题,提出多特征目标的快速识别方法。方法 提出对香蕉果实、果轴和花蕾这3个目标进行多尺度特征提取及模型分类,融合聚类算法设计新的目标候选框参数,提出改进YOLOv3模型及网络结构参数的YOLO-Banana模型;为了平衡速度和准确度,用YOLO-Banana和Faster R-CNN分别对变化尺寸的香蕉多目标进行试验,研究算法对识别精度与速度的影响。结果 YOLO-Banana和Faster R-CNN这2种算法识别香蕉、花蕾和果轴的总平均精度分别为91.03%和95.16%,平均每张图像识别所需时间分别为0.237和0.434 s。2种算法精度均高于90%,YOLO-Banana的速度相对快1.83倍,更符合实时作业的需求。结论 野外蕉园环境下,采用YOLO-Banana模型进行香蕉多目标识别,可满足断蕾机器人视觉识别的速度及精度要求。

    Abstract:

    参考文献
    相似文献
    引证文献
引用本文

吴烽云,叶雅欣,陈思宇,艾璞晔,邹湘军,段洁利.复杂环境下香蕉多目标特征快速识别研究[J].华南农业大学学报,2022,43(2):96-104

复制
分享
文章指标
  • 点击次数:
  • 下载次数:
历史
  • 收稿日期:2021-08-10
  • 最后修改日期:
  • 录用日期:
  • 在线发布日期: 2022-02-21