典型文献
基于深度学习目标测定的大蒜收获切根装置设计与试验
文献摘要：
为研究适用于大蒜联合收获的智能化切根装置,提出了基于机器视觉的非接触式定位切根方法,设计了一种基于深度卷积神经网络的大蒜切根试验台.试验台采用深度学习的方法,对采集到的图像进行目标检测,利用APP完成人机交互和结果显示,由深度卷积神经网络给定切根的切入位置,电机控制系统自动调整定位双圆盘切根刀完成切根处理.目标比较试验表明:鳞茎、根盘和蒜根3种目标中,鳞茎可用率为94.79％、置信度得分为0.97697,适合作为检测目标;检测模型比较试验表明:对比基于Faster R-CNN、SSD、YOLO v2、YOLO v3和YOLO v4算法的10种模型,选择ResNet50作为特征提取网络改进的YOLO v2模型,兼顾检测速度与精度(测试程序中的检测时间为0.0523 s、置信度得分为0.96849);切根试验表明:以鳞茎作为目标,采用改进的YOLO v2模型,置信度得分为0.97099,可用率为96.67％,切根合格率为95.33％,APP中的检测时间为0.0887 s,满足大蒜联合收获切根要求.
文献关键词：
卷积神经网络;YOLO;大蒜收获机;切根装置
中图分类号：
作者姓名：
杨柯;胡志超;于昭洋;彭宝良;张延化;顾峰玮
作者机构：
农业农村部南京农业机械化研究所,南京210014
文献出处：
引用格式：
[1]杨柯;胡志超;于昭洋;彭宝良;张延化;顾峰玮-.基于深度学习目标测定的大蒜收获切根装置设计与试验)[J].农业机械学报,2022(01):123-132
A类：
切根装置
B类：
学习目标,标测,装置设计,联合收获,机器视觉,非接触式,深度卷积神经网络,试验台,目标检测,人机交互,电机控制,自动调整,调整定位,双圆盘,比较试验,鳞茎,可用率,置信度,检测模型,模型比较,比基,Faster,SSD,YOLO,v2,v3,v4,ResNet50,特征提取网络,检测速度,测试程序,检测时间,大蒜收获机
AB值：
0.288156
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
