基于语义分割的非结构化田间道路场景识别.pdfVIP

第 37 卷 第 22 期 农 业 工 程 学 报 Vol.37 No.22 152 2021 年 11 月 Transactions of the Chinese Society of Agricultural Engineering Nov. 2021 基于语义分割的非结构化田间道路场景识别 1 1 2※ 3 孟庆宽 ，杨晓霞 ，张 漫 ，关海鸥 （1. 天津职业技术师范大学自动化与电气工程学院，天津 300222 ；2. 中国农业大学现代精细农业系统集成研究教育部重点实验室， 北京 100083 ；3. 黑龙江八一农垦大学电气与信息学院，大庆 163319 ） 摘 要：环境信息感知是智能农业装备系统自主导航作业的关键技术之一。农业田间道路复杂多变，快速准确地识别可 通行区域，辨析障碍物类别，可为农业装备系统高效安全地进行路径规划和决策控制提供依据。该研究以非结构化农业 田间道路场景为研究对象，根据环境对象动、静态属性进行类别划分，提出一种基于通道注意力结合多尺度特征融合的 轻量化语义分割模型。首先采用 Mobilenet V2 轻量卷积神经网络提取图像特征，将混合扩张卷积融入特征提取网络最后 2 个阶段，在保证特征图分辨率的基础上增加感受野并保持信息的连续性与完整性；然后引入通道注意力模块对特征提 取网络各阶段特征通道依据重要程度重新标定；最后通过空间金字塔池化模块将多尺度池化特征进行融合，获取更加有 效的全局场景上下文信息，增强对复杂道路场景识别的准确性。语义分割试验表明，不同道路环境下本文模型可以对场 景对象进行有效识别解析，像素准确率和平均像素准确率分别为 94.85%、90.38%，具有准确率高、鲁棒性强的特点。基 于相同测试集将该文模型与 FCN-8S 、SegNet、DeeplabV3+ 、BiseNet 模型进行对比试验，该文模型的平均区域重合度为 85.51%，检测速度达到 8.19 帧/s ，参数数量为2.41106 ，相比于其他模型具有准确性高、推理速度快、参数量小等优点， 能够较好地实现精度与速度的均衡。研究成果可为智能农业装备在非结构化道路环境下安全可靠运行提供技术参考。 关键词：机器视觉；语义分割；环境感知；非结构化道路；轻量卷积；注意力机制；特征融合 doi ：10.11975/j.issn.1002-6819.2021.22.017 中图分类号：TP183 文献标志码：A 文章编号：1002-6819(2021)-22-0152-09 孟庆宽，杨晓霞，张漫，等. 基于语义分割的非结构化田间道路场景识别[J]. 农业工程学报，2021，37(22)：152-160. doi ：10.11975/j.issn.1002-6819.2021.22.017 Meng Qingkuan, Yang Xiaoxia, Zhang Man, et al. Recognition of unstructured field road scene based on semantic segmentation model[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2021, 37(22): 152-160. (in Chinese with English abstract) doi ：10.11975/j.issn.1002-6819.2021.22.017 视觉的农业田间道路场景识别解析属于环境信息感知的 0 引 言  重要组成单元，主要任务是检测可通行区域、识别动静态