农业机械学报

作者：李尚平，郑创锐，文春明，李凯华，甘伟光，李洋

单位：广西民族大学,广西民族大学,广西民族大学,广西民族大学,广西民族大学,广西民族大学,

关键词：甘蔗智能横向切种工作站;茎节识别与定位;YOLO v5s;边缘端部署

基金：国家自然科学基金项目（52165009）

为了实现甘蔗智能横向切种工作站的精准、高效的自动化切种，针对工厂化切种任务的特点，提出了一种基于改进YOLO v5s的甘蔗茎节特征边缘端识别与定位方法。首先，利用张正友相机标定法对摄像头进行畸变矫正；然后对甘蔗茎节数据集进行数据增强，利用原始的YOLO v5s模型进行训练和测试，结果显示数据增强能一定程度上提高检测精度。针对茎节特征目标小以及模型体积大导致检测精度低、部署难度高等问题，对YOLO v5s的骨干网络进行改进，在SPPF特征融合模块前引入坐标注意力（Coordinate attention，CA）模块和Ghost轻量化结构，在Head网络中剔除P5大目标检测头，得到了改进后甘蔗茎节检测模型YOLO v5s-CA-BackboneGhost-p34，测试结果表明该模型优于其他主流算法和原始模型，具有高精度、小体积等优势。其中，平均精度均值1和平均精度均值2分别提高5.2、16.5个百分点，模型浮点数计算量和内存占用量分别降低42%和51%。最后，为了提高检测速度和实时性，将模型部署于边缘端，利用TensorRT技术加快检测速度，并在传送速度为0.15m/s的甘蔗智能横向切种工作站上完成实际切种实验。实验结果表明，加速后茎节检测速度达到95f/s，实时检测定位平均误差约为 2.4mm，切种合格率为100%，漏检率0.4%，说明本文提出的模型具有高度可靠性和实用性，可以为甘蔗横向切种工作站的工厂化、智能化以及标准化应用提供有效的技术支持。

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