典型文献
采用改进YOLOv5的蕉穗识别及其底部果轴定位
文献摘要：
为提高香蕉采摘机器人的作业效率和质量,实现机器人末端承接机构的精确定位,该研究提出一种基于YOLOv5算法的蕉穗识别,并对蕉穗底部果轴进行定位的方法.将CA(Coordinate Attention)注意力机制融合到主干网络中,同时将C3(Concentrated-Comprehensive Convolution Block)特征提取模块与CA注意力机制模块融合构成C3CA模块,以此增强蕉穗特征信息的提取.用EIoU(Efficient Intersection over Union)损失对原损失函数CIoU(Complete Intersection over Union)进行替换,加快模型收敛并降低损失值.通过改进预测目标框回归公式获取试验所需定位点,并对该点的相机坐标系进行转换求解出三维坐标.采用D435i深度相机对蕉穗底部果轴进行定位试验.识别试验表明,与YOLOv5、Faster R-CNN等模型相比,改进YOLOv5模型的平均精度值(mean Average Precision,mAP)分别提升了0.17和21.26个百分点;定位试验表明,采用改进YOLOv5模型对蕉穗底部果轴定位误差均值和误差比均值分别为0.063 m和2.992％,与YOLOv5和Faster R-CNN模型相比,定位误差均值和误差比均值分别降低了0.022 m和1.173个百分点,0.105 m和5.054个百分点.试验实时可视化结果表明,改进模型能对果园环境下蕉穗进行快速识别和定位,保证作业质量,为后续水果采摘机器人的研究奠定了基础.
文献关键词：
图像识别;机器人;香蕉采摘;果轴定位;注意力机制;损失函数
中图分类号：
作者姓名：
段洁利;王昭锐;邹湘军;袁浩天;黄广生;杨洲
作者机构：
华南农业大学工程学院,广州 510642;岭南现代农业科学与技术广东省实验室,广州 510600;嘉应学院广东省山区特色农业资源保护与精准利用重点实验室,梅州 514015
文献出处：
引用格式：
[1]段洁利;王昭锐;邹湘军;袁浩天;黄广生;杨洲-.采用改进YOLOv5的蕉穗识别及其底部果轴定位)[J].农业工程学报,2022(19):122-130
A类：
果轴定位,香蕉采摘,C3CA
B类：
YOLOv5,高香,作业效率,承接,接机,精确定位,Coordinate,Attention,注意力机制融合,合到,主干网络,Concentrated,Comprehensive,Convolution,Block,取模,注意力机制模块,模块融合,特征信息,EIoU,Efficient,Intersection,over,Union,损失函数,CIoU,Complete,降低损失,损失值,回归公式,定位点,坐标系,解出,三维坐标,D435i,深度相机,定位试验,别试,Faster,平均精度值,mean,Average,Precision,mAP,百分点,定位误差,误差均值,实时可视化,改进模型,果园,快速识别,识别和定位,作业质量,水果采摘机器人,图像识别
AB值：
0.424615
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。
