自然场景下的挖掘机实时监测方法.pdfVIP

第 36 卷 第 9 期 农 业 工 程 学 报 Vol.36 No.9 214 2020 年 5 月 Transactions of the Chinese Society of Agricultural Engineering May 2020 自然场景下的挖掘机实时监测方法 1,2 1※ 3 3 3 1 毛 亮 ，薛月菊 ，朱婷婷 ，魏颖慧 ，何俊乐 ，朱勋沐 （1. 华南农业大学电子工程学院，广州 510642 ；2. 深圳职业技术学院粤港澳大湾区人工智能应用技术研究院，深圳 518055 ； 3. 高新兴科技集团股份有限公司中央研究院，广州 510530 ） 摘 要：为实时监测违法用地现象，对作业挖掘机等施工机械进行实时监测至关重要。针对自然场景下由于背景复杂、 光照不均匀及遮挡等导致作业挖掘机难以准确检测出的问题，该文采用类似 SSD （Single Shot Detector）方法的网络结构， 提出一种自然场景下的挖掘机实时监测方法。该方法采用堆叠 DDB （Depthwise Dense Block ）模块组成基础网络，实现 浅层特征提取，并与高层特征融合，提高网络模型的特征表达能力；在 MobileNetV2 网络的基础上进行改进，设计 BDM （Bottleneck Down-Sampling Module ）模块构成多尺度特征提取网络，使模型参数数量和计算量减少为SSD 的 68.4% 。构 建不同视角和场景下的挖掘机目标数据集，共计 18 537 张，其中 15 009 张作为训练集，3 528 张作为测试集，并在主流 Jetson TX1 嵌入式硬件平台进行网络模型移植和验证。试验表明，该文方法的 mAP （Mean Average Precision ）为 90.6%， 其检测精度优于 SSD 和 MobileNetV2SSD 的 90.2% ；模型大小为 4.2 MB ，分别减小为 SSD 和 MobileNetV2SSD 的 1/25 和 1/4，每帧检测耗时 145.2 ms，相比 SSD 和 MobileNetV2SSD 分别提高了 122.7%和 28.2% ，可以较好地部署在嵌入式 硬件平台上，为现场及时发现违法用地作业提供有效手段。 关键词：农业机械；监测；模型；SSD；MobileNetV2；自然场景；挖掘机；嵌入式硬件 doi ：10.11975/j.issn.1002-6819.2020.09.024 中图分类号：TP391 文献标志码：A 文章编号：1002-6819(2020)-09-0214-07 毛亮，薛月菊，朱婷婷，等. 自然场景下的挖掘机实时监测方法[J]. 农业工程学报，2020，36(9)：214-220. doi ： 10.11975/j.issn.1002-6819.2020.09.024 Mao Liang, Xue Yueju, Zhu Tingting, et al. Method for the real-time monitoring of the excavator in natural scene[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2020, 36(9): 214-220. (in Chinese with English abstract) doi ：10.11975/j.issn.1002-6819.2020.09.024 了对象检测的精度。基于深度学习的目标检测方法一