论文摘要
针对目前果园环境视觉导航线提取受光照、杂草干扰,而已有的导航线生成算法过于复杂且适用范围较窄的问题,提出了一种基于深度学习的方法来提取果园道路导航线:采用YOLOV3卷积神经网络提取果园道路图像上的特征点,并通过最小二乘法拟合生成导航线。通过采集的800张果园道路图片作为训练集,进而在240张图片组成的独立测试集上进行测试,总体识别率为95.37%,在杂草较少、杂草较多、高光照和正常光照的环境下,导航线平均偏差分别为2.15、2.28、2.32、2.41像素;平均偏移距离分别为3.4、3.5、2.7、3.6 cm。
论文目录
文章来源
类型: 期刊论文
作者: 王毅,刘波,熊龙烨,王卓,杨长辉
关键词: 果园环境,图像处理,深度学习,导航线
来源: 湖南农业大学学报(自然科学版) 2019年06期
年度: 2019
分类: 农业科技,信息科技
专业: 园艺,计算机软件及计算机应用,自动化技术
单位: 重庆理工大学机械工程学院,重庆大学机械工程学院,西安交通大学机械工程学院
基金: 重庆市科学技术局项目(cstc2015zdcy–ztzx70003,cstc2018jcyjAX0071,cstc2016jcyjA0444)
分类号: S66;TP391.41;TP18
DOI: 10.13331/j.cnki.jhau.2019.06.018
页码: 674-678
总页数: 5
文件大小: 987K
下载量: 192