科研之友
微信
新浪微博
Facebook
分享链接
摘要
为研究适用于大蒜联合收获的智能化切根装置，提出了基于机器视觉的非接触式定位切根方法，设计了一种基于深度卷积神经网络的大蒜切根试验台。试验台采用深度学习的方法，对采集到的图像进行目标检测，利用APP完成人机交互和结果显示，由深度卷积神经网络给定切根的切入位置，电机控制系统自动调整定位双圆盘切根刀完成切根处理。目标比较试验表明：鳞茎、根盘和蒜根3种目标中，鳞茎可用率为94.79%、置信度得分为0.97697，适合作为检测目标；检测模型比较试验表明：对比基于Faster R-CNN、SSD、YOLOv2、YOLOv3和YOLOv4算法的10种模型，选择ResNet50作为特征提取网络改进的YOLOv2模型，兼顾检测速度与精度(测试程序中的检测时间为0.0523s、置信度得分为0.96849)；切根试验表明：以鳞茎作为目标，采用改进的YOLOv2模型，置信度得分为0.97099，可用率为96.67%，切根合格率为95.33%，APP中的检测时间为0.0887s，满足大蒜联合收获切根要求。
- 单位
