采用改进YOLOv5的蕉穗识别及其底部果轴定位.pdfVIP

第 38 卷 第 19 期 农 业 工 程 学 报 Vol.38 No.19 122 2022 年 10 月 Transactions of the Chinese Society of Agricultural Engineering Oct. 2022 采用改进 YOLOv5 的蕉穗识别及其底部果轴定位 1,2 1 1 1 1 1,2,3※ 段洁利 ，王昭锐 ，邹湘军 ，袁浩天 ，黄广生 ，杨 洲 （1. 华南农业大学工程学院，广州 510642 ；2. 岭南现代农业科学与技术广东省实验室，广州 510600 ； 3. 嘉应学院广东省山区特色农业资源保护与精准利用重点实验室，梅州 514015 ） 摘 要：为提高香蕉采摘机器人的作业效率和质量，实现机器人末端承接机构的精确定位，该研究提出一种基于 YOLOv5 算法的蕉穗识别，并对蕉穗底部果轴进行定位的方法。将 CA （Coordinate Attention ）注意力机制融合到主干网络中，同 时将 C3 （Concentrated-Comprehensive Convolution Block ）特征提取模块与CA 注意力机制模块融合构成 C3CA 模块，以 此增强蕉穗特征信息的提取。用 EIoU（Efficient Intersection over Union ）损失对原损失函数CIoU（Complete Intersection over Union ）进行替换，加快模型收敛并降低损失值。通过改进预测目标框回归公式获取试验所需定位点，并对该点的相机坐标系 进行转换求解出三维坐标。采用 D435i 深度相机对蕉穗底部果轴进行定位试验。识别试验表明，与YOLOv5 、Faster R-CNN 等 模型相比，改进YOLOv5 模型的平均精度值（mean Average Precision, mAP ）分别提升了0.17 和21.26 个百分点；定位试验表 明，采用改进YOLOv5 模型对蕉穗底部果轴定位误差均值和误差比均值分别为 0.063 m 和2.992%，与YOLOv5 和Faster R-CNN 模型相比，定位误差均值和误差比均值分别降低了 0.022 m 和 1.173 个百分点，0.105 m 和 5.054 个百分点。试验实时可视化结 果表明，改进模型能对果园环境下蕉穗进行快速识别和定位，保证作业质量，为后续水果采摘机器人的研究奠定了基础。 关键词：图像识别；机器人；香蕉采摘；果轴定位；注意力机制；损失函数 doi ：10.11975/j.issn.1002-6819.2022.19.014 中图分类号：S225.93 文献标志码：A 文章编号：1002-6819(2022)-19-0122-09 段洁利，王昭锐，邹湘军，等. 采用改进YOLOv5的蕉穗识别及其底部果轴定位[J]. 农业工程学报，2022，38(19)：122-130. doi ：10.11975/j.issn.1002-6819.2022.19.014 Duan Jieli, Wang Zh