科研之友
微信
新浪微博
Facebook
分享链接
摘要
针对工厂化番茄智能化整枝打叶作业需要，研究了基于MaskR-CNN模型的整枝操作点识别定位方法，以期为整枝机器人的精准操作提供依据。鉴于丛生植株中主茎和侧枝茎秆目标随机生长、形态各异，结合植株在不同生长阶段、远近视场尺度和观测视角等条件下的成像特征，构建了温室番茄植株图像样本数据集。采用学习率微调训练方法，对Mask R-CNN预训练模型进行迁移训练，建立了主茎和侧枝像素区域的识别分割模型。在对视场内同株相邻主茎和侧枝目标进行判别基础上，提出基于图像矩特征的茎秆中心线拟合方法。以中心线交点为参考，沿侧枝进行定向偏移，实现对整枝操作点图像坐标的定位。最后，通过测试试验评估该方法对目标识别和定位的效果。试验结果表明，模型对番茄主茎和侧枝目标识别的错误率、精确率和召回率分别为0.12、0.93和0.94，对整枝操作点平均定位偏差与对应主茎像素宽度的比值为0.34，模型对于近景仰视图像中目标的识别和定位效果优于其他视场的图像。该研究可为整枝机器人视觉系统的研发提供技术依据。
- 单位
