农业机械学报

作者：李丽，卢世博，任浩，徐刚，周永忠

单位：西南大学,西南大学,西南大学,北京市农林科学院,重庆祥飞智能科技有限公司,

关键词：桑叶采摘;枝干识别定位;YOLO v5;目标检测;注意力机制;坐标转换

基金：宜宾市双城协议保障科研经费科技项目(XNDX2022020015)、重庆市杰出青年科学基金项目(2022NSCQ-JQX0030)和中央高校基本科研业务费专项资金项目(SWU-XDJH202302、SWUS23099)

为实现复杂自然环境下对桑树嫩叶处枝干的识别检测，改变当前桑叶采摘设备作业过程中依赖人工辅助定位的现状，解决识别目标姿态多样和环境复杂导致的低识别率问题，提出一种基于改进YOLO v5模型的桑树枝干识别模型(YOLO v5-mulberry)，并结合深度相机构建定位系统。首先，在YOLO v5的骨干网络中加入CBAM(Convolutional block attention module)注意力机制，提高神经网络对桑树枝干的关注度；并增加小目标层使模型可检测4像素×4像素的目标，提高了模型检测小目标的性能；同时使用GIoU损失函数替换原始网络中的IoU损失函数，有效防止了预测框和真实框尺寸较小时无法正确反映预测框及真实框之间位置关系的情况；随后，完成深度图和彩色图的像素对齐，通过坐标系转换获取桑树枝干三维坐标。试验结果表明：YOLO v5-mulberry检测模型的平均精度均值为94.2%，较原模型提高16.9个百分点，置信度也提高12.1%；模型室外检测时应检测目标数53，实际检测目标数为48，检测率为90.57%；桑树嫩叶处枝干三维坐标识别定位系统的定位误差为(9.4985mm,11.285mm,19.11mm)，满足使用要求。该研究可实现桑树嫩叶处枝干的识别与定位，有助于推动桑叶智能化采摘机器人研究。

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