采用深度學習法優化的葡萄園行間路徑檢測
摘要：為了使基于視覺信息的農業機器人在葡萄種植園實現準確導航檢測行間道路,將采集的視頻分割成圖片做成圖像集,訓練圖像集對FCN、SegNet和U-NET三種卷積神經網絡進行遷移學習,得到三種分割網絡模型,分別用這些模型對測試集中不同環境下葡萄行間路徑圖像進行分割試驗,以人工分割為基準對三種網絡的分割效果進行評價,最后對分割前景提取導航基準線。試驗表明,三種分割網絡測試集分割精度(MCC)分別達到了89.96%、82.42%和75.78%,三種網絡測試集上陰天圖像的平均MCC分別比晴天高3.78%、0.45%和9.67%。三種網絡中,FCN的總體分割效果最優,測試集上的平均分割精度(MCC)分別比SegNet和U-NET高5.87%和17.12%。FCN網絡分割精度高,分割邊緣清晰,提取的導航線精準,為農業機器人自主行走提供了一種可靠的導航方法。
注: 保護知識產權,如需閱讀全文請聯系林業機械與木工設備雜志社
相關推薦
更多
