典型文献
基于改进YOLOv4模型的橙果识别与定位方法
文献摘要：
为提高橙果采摘定位精度和作业速度,提出一种便于迁移至移动终端的改进YOLOv4模型,可从RealSense深度相机所成彩色图像中获取果实质心二维坐标,经配准提取对应深度图中质心点深度值,实现果实的三维空间定位.改进YOLOv4模型以MobileNet v2为主干网络,在颈部结构中使用深度可分离卷积替换普通卷积,实现模型轻量化并提高检测速度.训练后的改进模型对513张独立橙果测试集数据的识别平均精度达97.24％,与原始YOLOv4模型相比,平均检测时间减少11.39 ms,模型大小减少197.5 M.与经典Faster RCNN、SSD模型相比,检测平均精度分别提高了2.69和3.11个百分点,模型大小分别减少了474.5和44.1 M.与轻量化模型YOLOv4-tiny相比,召回率提升了4.22个百分点,较Ghostnet-YOLOv4,平均检测时间减少了7.15 ms.为验证该改进算法实用性,应用改进模型获取果园中78个橙果的位置信息,结果表明:果实二维识别成功率达98.72％,水平方向及垂直方向的平均绝对百分比误差均在1％以内.果实三维定位成功率达96.15％,深度信息平均绝对百分比误差为2.72％,满足采摘机械手精准定位需求.该方法为复杂场景下采摘作业实现提供了鲁棒性强、实时性好、精准度高的目标定位途径.
文献关键词：
机器视觉;识别;定位;橙;YOLOv4;深度学习;RealSense
中图分类号：
作者姓名：
刘洁;李燕;肖黎明;李炜琪;李浩
作者机构：
华中农业大学工学院,武汉 430070;农业农村部长江中下游农业装备重点实验室,武汉 430070;农业农村部柑橘全程机械化科研基地,武汉 430070
文献出处：
引用格式：
[1]刘洁;李燕;肖黎明;李炜琪;李浩-.基于改进YOLOv4模型的橙果识别与定位方法)[J].农业工程学报,2022(12):173-182
A类：
采摘定位
B类：
YOLOv4,识别与定位,定位方法,定位精度,移至,移动终端,RealSense,深度相机,彩色图像,质心,配准,深度图,深度值,三维空间定位,MobileNet,v2,主干网络,使用深度,深度可分离卷积,模型轻量化,高检,检测速度,改进模型,测试集,检测时间,ms,Faster,RCNN,SSD,百分点,轻量化模型,tiny,召回率,Ghostnet,改进算法,应用改进,果园,园中,位置信息,别成,功率达,垂直方向,平均绝对百分比误差,三维定位,定位成功率,深度信息,采摘机械手,精准定位,复杂场景,采摘作业,目标定位,机器视觉
AB值：
0.445204
相似文献
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。
