基于深度学习的草坪障碍物检测研究

作者：黄东辉; 向宇; 高巧明^*

来源：拖拉机与农用运输车, 2022, 49(04): 42-57.

• 深度学习
• 机器视觉
• 割草机
• YOLOv4

草坪障碍物的检测是智能割草机械不可避免的问题，它关系到割草机能否安全、稳定、高效的运行。考虑到障碍物检测的实时性以及嵌入式平台的应用，本文对现有的YOLOv4目标检测模型做出改进。采用MobileNetV2网络作为YOLOv4模型中的主干网络，并通过K-means算法进行聚类以获得更适应于检测草坪障碍物的先验框。实验结果表明，在自制数据集上本文所设计的轻量化YOLOv4较原模型在参数量方面减小了39%,检测速度提升了49%,mAP为94.40%,为割草机的实际应用提供了一种思路。

• 单位
  广西科技大学