农业机械学报

作者：侯文慧，周传起，程炎，王玉伟，刘路，秦宽

单位：安徽农业大学,安徽农业大学,安徽农业大学,安徽农业大学,安徽农业大学,安徽农业大学,

关键词：垄间导航;路径识别;语义分割;图像处理;迁移学习;U-Net

基金：安徽省高校科研计划项目（2022AH050872）和电气传动与控制安徽省重点实验室开放基金项目（DQKJ202203）

针对目前果园垄间导航路径识别方法存在准确性与实时性难以同时兼顾、泛化能力弱等问题，本文在U-Net模型的基础上进行优化，采用MobileNet-v3 Large作为U-Net的主干特征提取网络，并在跳跃连接处引入坐标注意力机制（Coordinate attention，CA），构建轻量化路径识别模型。以该模型分割的垄间可行驶区域为基础，利用最小二乘法重塑可行驶区域边缘点，并进一步提取垄间导航线。首先采用数据增强的草莓垄间数据集进行模型训练，并进一步迁移到葡萄和蓝莓数据集上进行权重微调，以提高模型适应能力。最后在相应的验证集上进行导航路径识别，并通过可视化对比不同模型识别结果，以验证模型准确性。试验结果表明，网络模型在草莓、蓝莓和葡萄果园垄间路径识别的平均交并比分别为98.06%、97.36%和98.50%，平均像素准确度分别达到99.13%、98.75%和99.29%。模型处理RGB图像分割可行驶区域的理论推理速度可达19.23f/s，满足导航实时性和准确性的要求。

来源：2024年第2期

《农业机械学报》期刊编辑部

查看农业机械学报杂志2024年第2期