Oct, 2023

基于关键点的草莓姿态估计用于机器人采摘

PDF
TL;DR选择性机器人采摘是解决现代农业劳动力短缺的一种有希望的技术解决方案，本文介绍了一种基于关键点的水果方向估计方法，可以直接从 2D 图像中预测 3D 方向，并在两个不同的草莓图像数据集上实现了与先前工作相比误差降低约 30％的最先进性能，适用于实时机器人应用。
selective robotic harvestingfruit orientation estimation3d orientationrobotic applicationsreal-time
发现论文，激发创造
  • 自主草莓采摘机器人系统（Robofruit）

    通过开发具有模块化设计、2.5 维自由度摘取器，以及新型感知系统进行草莓采摘，本文提出的解决方案可以高效、可靠地摘取整个草莓园中的草莓，有效避免了对水果的损害，具有很好的应用前景。

    Jan, 2023

  • 通过几何感知学习实现机器采摘荔枝的准确切割点估计

    通过多视图拼接，使用微软的 Azure Kinect DK TOF 相机获取天然环境中的荔枝采摘点云数据，采用 Fcaf3d-lychee 网络模型结合抽取 - 激励模块对荔枝采摘点进行精确定位，取得令人印象深刻的 88.57% 的 F1 分数，并在实际荔枝林环境中实现高精度的三维位置检测，定位误差在所有方向上均在 1.5 厘米以内，展示出模型的鲁棒性和通用性。

    Mar, 2024

  • 使用深度关键点检测和点云进行番茄果梗节点的三维姿态估计

    通过使用 RGB-D 相机数据，本文提出了一种基于关键点检测的方法，用于估计植物叶梗节点的三维姿态，为收获番茄束提供了必要的信息。该方法在商业温室中进行了全面评估，结果表明在物体检测、关键点检测和三维姿态估计方面具有高准确性。此外，该方法对视角变化具有鲁棒性，适用于番茄等其他温室作物。

    Nov, 2023

  • 融合驱动树重建与果实定位：推动农业精确化

    通过利用 RGB 图像、LiDAR 和 IMU 数据的协同作用，本研究引入了一种创新的方法来实现复杂树木重建和水果的精确定位，该融合方法不仅能够提供水果分布的洞察，提高农业机器人和自动化系统的精度，而且为模拟不同树木结构的人工合成果实模式奠定了基础。实验证明了这种方法的鲁棒性和效力，凸显其作为未来农业机器人和精准农业的变革工具的潜力。

    Oct, 2023

  • 商业柑橘果园中多个橙子检测和跟踪的流水线，包括三维水果定位和基于神经网络的产量回归

    利用基于近红外成像、计算机视觉和机器学习的自动系统，这篇论文提出了一种用于柑橘作物预测的非侵入性替代方案，该系统通过视频计数水果，并结合其他树木数据（如作物品种和树木大小）估计水果的总数。通过对视频中至少 30% 的水果进行准确检测、跟踪和计数，可以实现令人印象深刻的 0.85 的决定系数。该研究是少数几个以手动水果计数为评估参考点的柑橘估算方法尝试之一，并提供了用于图像水果计数的注释数据集以促进新方法的发展。

    Dec, 2023

  • 基于图像分割的苹果果园水果检测与产量估计

    本文介绍了一种用于水果检测和计数的图像处理框架，使用单眼视觉系统所获得的高分辨率图像数据，包括多尺度多层感知器和卷积神经网络，结合元数据进行分割和检测，并在商业苹果园中进行了实验，得出了最佳性能。

    Oct, 2016

  • 农业中基于视频的人工采摘活动分类

    部署一支由自主机器人组成的舰队来与农场工人一起工作，可以在农业系统中提供极大的生产力和物流效益。本研究的主要贡献是创建了一个基于视频的人体摘取行为检测的基准模型，用于服务于不同农业场景的收获操作。

    Nov, 2023

  • 视觉域偏移下葡萄串分割的手术微调

    探讨如何利用深度学习模型实现对葡萄图像进行实例分割，以提高移动机器人在葡萄园监测工作中的视觉感知能力。

    Jul, 2023

  • 迁移学习在少样本水果分割中的应用

    我们提出了一种为农田水果开发的少样本语义分割框架，采用迁移学习策略，在没有公开标记数据的情况下实现了水果在农田中的准确语义分割。

    May, 2024

  • 利用高光谱成像进行特种作物成熟度分类的双频带特征选择

    草莓和番茄等特殊作物的成熟度分类对于选择性采摘和质量控制是农业下游的重要活动。本文提出了一种特征提取方法，展示了在特征选择方面的最新成果，并通过比较分析表明该方法在成熟度分类和时间效率方面的表现优于现有方法。

    May, 2024