基于深度学习的猕猴桃树干检测与导航线拟合方法研究
发布时间：2021-08-14 03:58
为实现猕猴桃果园环境下移动平台的视觉导航,通过特征选取和视觉检测方法对比确定视觉导航系统的方案;通过卷积层特征可视化技术研究卷积神经网络深度对猕猴桃树干特征提取的影响;通过优化Yolo v3 Tiny模型,使其在计算资源有限的嵌入式设备上实现检测精度和检测速度的均衡性,并验证目标检测模型在不同工况下的适应性,而后利用所检测到的猕猴桃树干目标拟合导航线;通过硬件集成和软件设计搭建视觉导航系统,并通过试验验证导航性能。（1）视觉检测方法与视觉导航系统设计。对棚架式猕猴桃果园进行实地调研,因顶部致密的冠层遮蔽导致棚架下的GPS信号减弱,故选择视觉检测方法实现导航。使用小型无人机在棚架下飞行采集图像数据。分别利用地垄边缘特征与猕猴桃树干特征对数据集进行标注,并训练语义分割Segnet与目标检测Faster R-CNN模型。结果表明:Segnet语义分割精度为80.14%,推理时间为2.5s;Faster R-CNN目标检测精度为79.56%,推理时间为1s。最终因实时性和环境适应性因素选择目标检测方法,并确定视觉导航系统整体方案。（2）基于卷积层特征可视化的猕猴桃树干特征提取。为探究卷积层深度...
【文章来源】：西北农林科技大学陕西省 211工程院校 985工程院校 教育部直属院校
【文章页数】：81 页
【学位级别】：硕士
【部分图文】：
图像分类错误率和网络层数(张慧等2017)
涛等2019)受遮挡因素影响较为严重，但可依靠部分未遮挡果实轮廓输出边界框；以上果实最小外接矩形均近似正方形，而芒果(Madeleineetal.2016;薛月菊等2018)最小外接矩形为长方形，标注样本时边界框内包含较多背景信息，通过人工去除背景后，可提高检测精度，但工作量较大。本文所检测对象为猕猴桃树干，无最小外接矩形，边界框内包含除猕猴桃树干之外的输水管等特征，故需研究边界框内不同特征对检测结果的影响程度。(a)猕猴桃树干(b)奶牛(赵凯旋和何东健2015)(c)猕猴桃果实(傅隆生等2018)(d)芒果(薛月菊等2018)图1-2不同对象物目标检测Fig.1-2Differentobjectdetection
涛等2019)受遮挡因素影响较为严重，但可依靠部分未遮挡果实轮廓输出边界框；以上果实最小外接矩形均近似正方形，而芒果(Madeleineetal.2016;薛月菊等2018)最小外接矩形为长方形，标注样本时边界框内包含较多背景信息，通过人工去除背景后，可提高检测精度，但工作量较大。本文所检测对象为猕猴桃树干，无最小外接矩形，边界框内包含除猕猴桃树干之外的输水管等特征，故需研究边界框内不同特征对检测结果的影响程度。(a)猕猴桃树干(b)奶牛(赵凯旋和何东健2015)(c)猕猴桃果实(傅隆生等2018)(d)芒果(薛月菊等2018)图1-2不同对象物目标检测Fig.1-2Differentobjectdetection
【参考文献】：
期刊论文
[1]基于卷积神经网络的草莓识别方法[J]. 刘小刚,范诚,李加念,高燕俐,章宇阳,杨启良. 农业机械学报. 2020(02)
[2]大视场下荔枝采摘机器人的视觉预定位方法[J]. 陈燕,王佳盛,曾泽钦,邹湘军,陈明猷. 农业工程学报. 2019(23)
[3]单子叶作物叶片气孔自动识别与计数技术[J]. 孙壮壮,姜东,蔡剑,王笑,周琴,黄梅,戴廷波,曹卫星. 农业工程学报. 2019(23)
[4]水稻收获作业视觉导航路径提取方法[J]. 关卓怀,陈科尹,丁幼春,吴崇友,廖庆喜. 农业机械学报. 2020(01)
[5]融合FPN的Faster R-CNN复杂背景下棉田杂草高效识别方法[J]. 彭明霞,夏俊芳,彭辉. 农业工程学报. 2019(20)
[6]基于红外热成像与改进YOLOV3的夜间野兔监测方法[J]. 易诗,李欣荣,吴志娟,朱竞铭,袁学松. 农业工程学报. 2019(19)
[7]基于分区域特征点聚类的秧苗行中心线提取[J]. 廖娟,汪鹞,尹俊楠,张顺,刘路,朱德泉. 农业机械学报. 2019(11)
[8]基于改进YOLOv3-LITE轻量级神经网络的柑橘识别方法[J]. 吕石磊,卢思华,李震,洪添胜,薛月菊,吴奔雷. 农业工程学报. 2019(17)
[9]基于改进AlexNet的广域复杂环境下遮挡猕猴桃目标识别[J]. 穆龙涛,高宗斌,崔永杰,李凯,刘浩洲,傅隆生. 农业机械学报. 2019(10)
[10]基于改进CNN的多目标生猪检测算法[J]. 刘岩,孙龙清,罗冰,陈帅华,李玥. 农业机械学报. 2019(S1)
博士论文
[1]全视场猕猴桃果实信息感知与连贯采摘机器人关键技术研究[D]. 穆龙涛.西北农林科技大学 2019
[2]基于机器视觉的农业车辆—农具组合导航系统路径识别及控制方法研究[D]. 孟庆宽.中国农业大学 2014
硕士论文
[1]基于信息感知的猕猴桃喷雾授粉方法研究[D]. 刘浩洲.西北农林科技大学 2019
[2]猕猴桃采摘机器人视觉导航路径生成方法研究[D]. 李文洋.西北农林科技大学 2017
本文编号：3341725
【文章来源】：西北农林科技大学陕西省 211工程院校 985工程院校 教育部直属院校
【文章页数】：81 页
【学位级别】：硕士
【部分图文】：
图像分类错误率和网络层数(张慧等2017)
涛等2019)受遮挡因素影响较为严重，但可依靠部分未遮挡果实轮廓输出边界框；以上果实最小外接矩形均近似正方形，而芒果(Madeleineetal.2016;薛月菊等2018)最小外接矩形为长方形，标注样本时边界框内包含较多背景信息，通过人工去除背景后，可提高检测精度，但工作量较大。本文所检测对象为猕猴桃树干，无最小外接矩形，边界框内包含除猕猴桃树干之外的输水管等特征，故需研究边界框内不同特征对检测结果的影响程度。(a)猕猴桃树干(b)奶牛(赵凯旋和何东健2015)(c)猕猴桃果实(傅隆生等2018)(d)芒果(薛月菊等2018)图1-2不同对象物目标检测Fig.1-2Differentobjectdetection
涛等2019)受遮挡因素影响较为严重，但可依靠部分未遮挡果实轮廓输出边界框；以上果实最小外接矩形均近似正方形，而芒果(Madeleineetal.2016;薛月菊等2018)最小外接矩形为长方形，标注样本时边界框内包含较多背景信息，通过人工去除背景后，可提高检测精度，但工作量较大。本文所检测对象为猕猴桃树干，无最小外接矩形，边界框内包含除猕猴桃树干之外的输水管等特征，故需研究边界框内不同特征对检测结果的影响程度。(a)猕猴桃树干(b)奶牛(赵凯旋和何东健2015)(c)猕猴桃果实(傅隆生等2018)(d)芒果(薛月菊等2018)图1-2不同对象物目标检测Fig.1-2Differentobjectdetection
【参考文献】：
期刊论文
[1]基于卷积神经网络的草莓识别方法[J]. 刘小刚,范诚,李加念,高燕俐,章宇阳,杨启良. 农业机械学报. 2020(02)
[2]大视场下荔枝采摘机器人的视觉预定位方法[J]. 陈燕,王佳盛,曾泽钦,邹湘军,陈明猷. 农业工程学报. 2019(23)
[3]单子叶作物叶片气孔自动识别与计数技术[J]. 孙壮壮,姜东,蔡剑,王笑,周琴,黄梅,戴廷波,曹卫星. 农业工程学报. 2019(23)
[4]水稻收获作业视觉导航路径提取方法[J]. 关卓怀,陈科尹,丁幼春,吴崇友,廖庆喜. 农业机械学报. 2020(01)
[5]融合FPN的Faster R-CNN复杂背景下棉田杂草高效识别方法[J]. 彭明霞,夏俊芳,彭辉. 农业工程学报. 2019(20)
[6]基于红外热成像与改进YOLOV3的夜间野兔监测方法[J]. 易诗,李欣荣,吴志娟,朱竞铭,袁学松. 农业工程学报. 2019(19)
[7]基于分区域特征点聚类的秧苗行中心线提取[J]. 廖娟,汪鹞,尹俊楠,张顺,刘路,朱德泉. 农业机械学报. 2019(11)
[8]基于改进YOLOv3-LITE轻量级神经网络的柑橘识别方法[J]. 吕石磊,卢思华,李震,洪添胜,薛月菊,吴奔雷. 农业工程学报. 2019(17)
[9]基于改进AlexNet的广域复杂环境下遮挡猕猴桃目标识别[J]. 穆龙涛,高宗斌,崔永杰,李凯,刘浩洲,傅隆生. 农业机械学报. 2019(10)
[10]基于改进CNN的多目标生猪检测算法[J]. 刘岩,孙龙清,罗冰,陈帅华,李玥. 农业机械学报. 2019(S1)
博士论文
[1]全视场猕猴桃果实信息感知与连贯采摘机器人关键技术研究[D]. 穆龙涛.西北农林科技大学 2019
[2]基于机器视觉的农业车辆—农具组合导航系统路径识别及控制方法研究[D]. 孟庆宽.中国农业大学 2014
硕士论文
[1]基于信息感知的猕猴桃喷雾授粉方法研究[D]. 刘浩洲.西北农林科技大学 2019
[2]猕猴桃采摘机器人视觉导航路径生成方法研究[D]. 李文洋.西北农林科技大学 2017
本文编号：3341725
本文链接：https://www.wllwen.com/nykjlw/yylw/3341725.html
