农业机械学报

作者：刘建航，何鉴恒，陈海华，王晓政，翟海滨

单位：中国石油大学(华东),中国石油大学(华东),中国科学院计算技术研究所,中国石油大学(华东),国家计算机网络应急技术处理协调中心,

关键词：番茄串;采摘机器人;深度学习;YOLO v4;ICNet;采摘模型

基金：山东省自然科学基金项目（ZR2020MF005）

针对深层神经网络模型部署到番茄串采摘机器人，存在运行速度慢，对目标识别率低，定位不准确等问题，本文提出并验证了一种高效的番茄串检测模型。模型由目标检测与语义分割两部分组成。目标检测负责提取番茄串所在的矩形区域，利用语义分割算法在感兴趣区域内获取番茄茎位置。在番茄检测模块，设计了一种基于深度卷积结构的主干网络，在实现模型参数稀疏性的同时提高目标的识别精度，采用K-means++聚类算法获得先验框，并改进了DIoU距离计算公式，进而获得更为紧凑的轻量级检测模型(DC-YOLO v4)。在番茄茎语义分割模块（ICNet）中以MobileNetv2为主干网络，减少参数计算量，提高模型运算速度。将采摘模型部署在番茄串采摘机器人上进行验证。采用自制番茄数据集进行测试，结果表明，DC-YOLO v4对番茄及番茄串的平均检测精度为99.31%，比YOLO v4提高2.04个百分点。语义分割模块的mIoU为81.63%，mPA为91.87%，比传统ICNet的mIoU提高2.19个百分点，mPA提高1.47个百分点。对番茄串的准确采摘率为84.8%，完成一次采摘作业耗时约6s。

来源：2023年第10期

《农业机械学报》期刊编辑部

查看农业机械学报杂志2023年第10期