采用深度学习法优化的葡萄园行间路径检测
摘要：为了使基于视觉信息的农业机器人在葡萄种植园实现准确导航检测行间道路,将采集的视频分割成图片做成图像集,训练图像集对FCN、SegNet和U-NET三种卷积神经网络进行迁移学习,得到三种分割网络模型,分别用这些模型对测试集中不同环境下葡萄行间路径图像进行分割试验,以人工分割为基准对三种网络的分割效果进行评价,最后对分割前景提取导航基准线。试验表明,三种分割网络测试集分割精度(MCC)分别达到了89.96%、82.42%和75.78%,三种网络测试集上阴天图像的平均MCC分别比晴天高3.78%、0.45%和9.67%。三种网络中,FCN的总体分割效果最优,测试集上的平均分割精度(MCC)分别比SegNet和U-NET高5.87%和17.12%。FCN网络分割精度高,分割边缘清晰,提取的导航线精准,为农业机器人自主行走提供了一种可靠的导航方法。
注: 保护知识产权,如需阅读全文请联系林业机械与木工设备杂志社
相关推荐
更多
