采用改进YOLOv5的蕉穗识别及其底部果轴定位

S225.93; 为提高香蕉采摘机器人的作业效率和质量,实现机器人末端承接机构的精确定位,该研究提出一种基于YOLOv5算法的蕉穗识别,并对蕉穗底部果轴进行定位的方法.将CA(Coordinate Attention)注意力机制融合到主干网络中,同时将C3(Concentrated-Comprehensive Convolution Block)特征提取模块与CA注意力机制模块融合构成C3CA模块,以此增强蕉穗特征信息的提取.用EIoU(Efficient Intersection over Union)损失对原损失函数CIoU(Complete Intersection over Union...

Full description

Saved in:
Bibliographic Details
Published in农业工程学报 Vol. 38; no. 19; pp. 122 - 130
Main Authors 段洁利, 王昭锐, 邹湘军, 袁浩天, 黄广生, 杨洲
Format Journal Article
LanguageChinese
Published 华南农业大学工程学院,广州 510642 01.10.2022
嘉应学院广东省山区特色农业资源保护与精准利用重点实验室,梅州 514015
岭南现代农业科学与技术广东省实验室,广州 510600%华南农业大学工程学院,广州 510642%华南农业大学工程学院,广州 510642
岭南现代农业科学与技术广东省实验室,广州 510600
Subjects
损失函数
注意力机制
香蕉采摘
机器人
果轴定位
图像识别
Online AccessGet full text
ISSN1002-6819
DOI10.11975/j.issn.1002-6819.2022.19.014

Cover

More Information
Summary:S225.93; 为提高香蕉采摘机器人的作业效率和质量,实现机器人末端承接机构的精确定位,该研究提出一种基于YOLOv5算法的蕉穗识别,并对蕉穗底部果轴进行定位的方法.将CA(Coordinate Attention)注意力机制融合到主干网络中,同时将C3(Concentrated-Comprehensive Convolution Block)特征提取模块与CA注意力机制模块融合构成C3CA模块,以此增强蕉穗特征信息的提取.用EIoU(Efficient Intersection over Union)损失对原损失函数CIoU(Complete Intersection over Union)进行替换,加快模型收敛并降低损失值.通过改进预测目标框回归公式获取试验所需定位点,并对该点的相机坐标系进行转换求解出三维坐标.采用D435i深度相机对蕉穗底部果轴进行定位试验.识别试验表明,与YOLOv5、Faster R-CNN等模型相比,改进YOLOv5模型的平均精度值(mean Average Precision,mAP)分别提升了0.17和21.26个百分点;定位试验表明,采用改进YOLOv5模型对蕉穗底部果轴定位误差均值和误差比均值分别为0.063 m和2.992％,与YOLOv5和Faster R-CNN模型相比,定位误差均值和误差比均值分别降低了0.022 m和1.173个百分点,0.105 m和5.054个百分点.试验实时可视化结果表明,改进模型能对果园环境下蕉穗进行快速识别和定位,保证作业质量,为后续水果采摘机器人的研究奠定了基础.
ISSN:1002-6819
DOI:10.11975/j.issn.1002-6819.2022.19.014