农业无人机智能机器学习系统——基于人工智能和深度学习.pdfVIP

2023年3月 农机化研究 第3期 农业无人机智能机器学习系统 —基于人工智能和深度学习 郭亚静 (洛阳职业技术学院，河南洛阳471003) 摘 要：为了提高农业无人机作业时的自主学习能力,基于人工智能技术将深度学习算法应用到了无人机机器 学习系统的设计上,并提出了基于神经网络深度学习的农业无人机智能识别系统,有效提高了无人机的自动学 习和识别能力 。以采摘机器人的设计为例,对智能机器学习系统的可靠性进行了验证，并对不同学习算法果实 识别的准确性进行了测试 。测试结果表明:基于神经网络的深度学习算法在果实的成熟度识别方面具有明显的 优势,从而验证了算法的可靠性。 关键词：农业无人机 ；人工智能 ；深度学习 ；机器学习 ；神经网络 中图分类号：S252； TP399 文献标识码：A 文章编号：1003-188X(2023)03-0237-04 实的具体位置;然后对果实的颜色进行识别,得到果实 0引言 的成熟度，以此判断是否对果实进行采摘 。神经网络 机器学习是继专家系统之后人工智能应用的又一 深度学习算法是对神经网络学习算法的改进,通过构 重要研究领域，也是人工智能和神经网络计算的核心 建多层次的神经网络算法，使机器人在学习过程中获 研究课题之一 。目前,农业无人机的控制系统,大部 得更高的学习精度。 分采用编程控制的方式,但通过简单的编程难以实现 无人机的全面拟人化作业 。以采摘机器人为例,在自 主采摘作业时，需要对待采摘的果实形状大小和成熟 度等级进行判断 ,以决定是否进行采摘 。这个过程就 需要智能机器学习技术的支持 ,机器人通过对果实大 小和成熟度的自主识别,可以极大地提高果实的采摘 质量及作业效率。 1机器学习在农业无人机学习系统上的应用 随着农业现代化技术的不断发展 ,农业无人机开 始被应用到农业生产过程中,为了实现无人化作业, 无人机需要具备自主导航 、自动识别作业区域、自动 进行作业及自动监测作业质量等 。这些无人化作业 图 1采摘机器人果实识别流程 Fig. 1 The fruit recognition process of picking robot 除了需要采用简单的编程控制以外,还需要无人机具 备自主学习能力 ，以采摘机器人对成熟果实的判断为 2基于神经网络的深度机器学习算法 例, 其基本流程如图 1 所示。 采用机器学习算法,机器人的行为动作可以通过 采摘机器人对于果实成熟度的判断主要依据果实 一定的逻辑判断进行决策 ，而不是进行简单的编程对 的大小和颜色，而通过神经网络深度学习训练,机器人 其动作进行控制 。因此,在设计机器人控制系统时, 视觉系统可以成功地提取果实的轮廓特征，并获得果 需要采用智能化算法 。神经网络是机器学习常用的 一类智能算法,主要是利用生物神经网络的模型原 收稿日期：2021-08-18 基金项目：河南省高等学校重点科研项目 (17B520022) 理,基于大数据样本的训练,从而具备一定的决策和 作者简介：郭亚静 (1974-)