典型文献
温室甜瓜自动采摘系统目标检测模型及空间定位研究
文献摘要：
[目的]提高温室甜瓜采摘机器人在复杂光线变化和枝叶遮挡情况下的检测精度,实现检测目标的空间坐标定位.[方法]基于YOLOv3,研究优化不同主干网络,头部、颈部网络结构及边界框损失函数组合对模型检测性能的影响,建立甜瓜严重遮挡下的目标检测网络模型YOLOResNet70,然后将模型与Intel RealSense D435i传感器融合进行目标空间定位.[结果]模型YOLOResNet70采用ResNet70为主干网络,结合SPP(Spatial pyramid pooling)、CIoU(Complete intersection over union)、FPN(Feature pyramid network)以及 NMS(Greedy non-maximum suppression)时性能最佳,模型平均精度(AP)达到89.4％,优于YOLOv3的83.3％和YOLOv5的82％,其检测速度(61.8帧/s)比YOLOv4(54.1帧/s)快14％.[结论]通过对不同光照条件下的遮挡甜瓜图像进行检测测试,表明YOLOResNet70模型鲁棒性良好,并且与Intel RealSense D435i深度传感器融合实现了甜瓜的空间定位坐标,与手工测量结果吻合,为甜瓜采摘机器人目标检测和空间定位提供了理论和模型支持.
文献关键词：
甜瓜;目标检测;YOLOResNet70;目标空间定位;自动采摘
中图分类号：
作者姓名：
赵华民;LAWAL Olarewaju;许德芳
作者机构：
山西农业大学农业工程学院,山西太谷030801;吕梁学院经济管理系,山西 吕梁033001
文献出处：
引用格式：
[1]赵华民;LAWAL Olarewaju;许德芳-.温室甜瓜自动采摘系统目标检测模型及空间定位研究)[J].广东农业科学,2022(03):151-162
A类：
YOLOResNet70,目标空间定位,ResNet70
B类：
甜瓜,自动采摘,目标检测模型,定位研究,采摘机器人,光线变化,枝叶,遮挡,检测精度,空间坐标,坐标定位,YOLOv3,研究优化,主干网络,边界框,损失函数,数组,模型检测,检测性能,挡下,目标检测网络,Intel,RealSense,D435i,传感器融合,SPP,Spatial,pyramid,pooling,CIoU,Complete,intersection,over,union,FPN,Feature,network,NMS,Greedy,maximum,suppression,模型平均,AP,YOLOv5,检测速度,YOLOv4,光照条件,检测测试,模型鲁棒性,深度传感器,手工测量,理论和模型
AB值：
0.448294
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。
