Jan, 2024

基于 YOLO 的学习方法的农业实时目标检测与机器人操控

PDF
TL;DR该研究提出了一种新的框架，将两种不同的卷积神经网络结构相结合，以在模拟环境中同时完成作物检测和收获（机器人操控）任务。利用机器视觉实现作物自动识别，提高收获效率，但仍面临挑战。通过随机旋转、裁剪、亮度和对比度调整来生成增强图像以进行数据集生成。使用一次性算法框架进行作物定位，以及使用视觉几何组模型来确定机器人操控的抓取位置。
crop harvestingmachine visionconvolutional neural networkssimulated environmentrobotic manipulation
发现论文，激发创造
  • 基于 You Look Only Once (YOLO) 算法的农业目标检测：一项文献计量和系统文献综述

    视觉在农业中发挥着重要作用，研究和应用 You Look Only Once (YOLO) 在农业领域的物体识别能够实现实时监测、自动化监视和物体处理，减少劳动力、生产成本和环境影响，同时最大限度地提高资源效率。

    Jan, 2024

  • 基于 YOLOv5 的果园中精确的苹果检测与定位用于机器采摘系统

    通过使用 YOLOv5 模型和多样的苹果树图像数据集，我们提出了一种新颖的苹果检测和位置估计方法，实现了在复杂果园环境中准确识别苹果并提供精确位置信息的鲁棒系统，其具有约 85% 的苹果检测准确率，这在农业机器人领域取得了重要进展，为更高效、可持续的水果采摘实践奠定了基础。

    May, 2024

  • 基于 CNN 背景知识的精准农业机器人实时作物和杂草语义分割

    本文针对以减少除草剂使用量为目标的精准农业机器人的需要，提出了一种利用 RGB 数据进行基于 CNN 的作物分割和背景分类的方法，该方法利用植被指数实现实时分类，并且通过少量训练数据，可以在陌生的地块上进行有效的重新训练。在德国和瑞士的不同领域进行了实地测试，结果显示该系统的泛化能力很好，可在约 20Hz 的速度下进行在线操作，适合实际的农业生产。

    Sep, 2017

  • 基于深度学习的农业机器人田间导航中的农作物行跟随

    该论文提出了一种利用卷积神经网络进行作物排检测的算法，可以在农田环境中应对各种变化，仅使用 RGB 图像作为输入，并在可视伺服算法中获得更好的性能表现。

    Sep, 2022

  • 基于改进的 YOLOv5s 架构的实时草莓检测在开放环境中的机器人采摘

    该研究提出了一种基于 YOLOv5 的自定义目标检测模型，用于在户外环境中检测草莓。修改了 YOLOv5s 的原始架构，通过在骨干网络中将 C3 模块替换为 C2f 模块，提供了更好的特征梯度流。通过将 YOLOv5s 的最终层中的空间金字塔池化快速与 Cross Stage Partial Net 相结合，提高了在草莓数据集上的泛化能力。验证了该方法在开放环境中检测草莓的优势，并与四个竞争检测模型进行了比较。结果表明，通过所提出的架构实现了最高 80.3% 的平均精度，而 YOLOv3-tiny、YOLOv5s、YOLOv5s-C2f 和 YOLOv8s 分别获得了 73.4%、77.8%、79.8% 和 79.3% 的平均精度。该模型具有快速的推理速度和适用于实时草莓检测和定位的充足网络参数。

    Aug, 2023

  • YOLOv1 到 YOLOv10：YOLO 变种及其在农业领域的应用的综述

    该研究调查了从 YOLOv1 到最新的 YOLOv10 变种在农业进展方面的转变潜力，旨在阐述这些尖端目标检测模型如何重振和优化从作物监测到畜牧管理等农业各个方面，为精准农业和可持续农业提供有价值的洞见。

    Jun, 2024

  • 用连续卷积网络和顺序信息实现精准农业中稳健的作物和杂草检测

    通过卷积神经网络加入空间信息作为特征，实现了在复杂环境下农田杂草与作物的自动分割识别，并在实验中取得了优异的结果。

    Jun, 2018

  • 利用物体检测和口头反馈帮助盲人

    本研究使用 YOLO 模型和 OpenCV 库，利用实时视频检测对象并将图像识别结果以可听形式提供给视觉障碍者，成功实现了优秀的平均准确率 (mAP)。

    Dec, 2023

  • 用于苹果早期花朵和花序的机器视觉系统 —— 精准稀化和授粉

    该研究利用 YOLOv5 目标检测算法提出了一个视觉系统，能够在无结构的果园环境中检测早期果花的生长情况，并通过 K-means 聚类算法识别并管理整个果花群，实现果树产量管理及农业自动化。

    Apr, 2023

  • 基于计算机视觉的智能咖啡监测：走向可持续咖啡生产

    该研究采用机器学习算法 YOLOv7 处理咖啡树影像，利用开发的 AI 移动应用程序 CoffeApp 预测收获时间、评估咖啡产量和品质，以及通报植株健康状况，从而实现高效、准确地监测咖啡生长状态。

    Apr, 2023