文献类型：期刊文章

作　　者：饶秀勤[1,2] 朱逸航[1,2] 张延宁[1,2] 杨海涛[3] 张小敏[1,2] 林洋洋[1,2] 耿金凤[1,4,5] 应义斌[1,2]

Rao Xiuqin;Zhu Yihang;Zhang Yanning;Yang Haitao;Zhang Xiaomin;Lin Yangyang;Geng Jinfeng;Ying Yibin(College of Biosystem Engineering and Food Science,Zhejiang University,Hangzhou 310058,China;Key Laboratory of Agricultural Products Processing Equipment,Ministry of Agriculture and Rural Affairs,Hangzhou 310058,China;School of Mathematical Sciences,Zhejiang University,Hangzhou 310058,China;School of Mechanical and Electrical Engineering,Zaozhuang University,Zaozhuang 277101,China;Xinduo Group Co.,Ltd.,Yongkang 321300,China)

机构地区：[1]浙江大学生物系统工程与食品科学学院,杭州310058 [2]农业农村部农产品产地处理装备重点实验室,杭州310058 [3]浙江大学数学科学学院,杭州310058 [4]枣庄学院机电工程学院,枣庄277101 [5]新多集团有限公司,永康321300

出　　处：《农业工程学报》

基　　金：国家重点研发计划(2017YFD0700901)。

年　　份：2021

卷　　号：37

期　　号：20

起止页码：179-186

语　　种：中文

收录情况：AJ、BDHX、BDHX2020、CAB、CAS、CSCD、CSCD2021_2022、EAPJ、EI、IC、JST、PROQUEST、RCCSE、SCOPUS、ZGKJHX、核心刊

摘　　要：针对目前农作物垄间导航路径识别目前存在准确性、实时性差、通用性弱及深度学习模型解释困难等问题,该研究在Unet模型的基础上进行剪枝与优化,提出了保留Unet模型特征跳跃连接优势的Fast-Unet模型,并以模型所识别的导航路径为基础,通过最小二乘法回归生成垄间导航线与偏航角。该研究首先在棉花垄间导航路径数据集上进行模型训练,随后将训练的模型迁移至玉米、甘蔗等小样本数据集进行导航路径识别,通过使用梯度加权类激活映射法对模型识别过程与迁移学习过程进行解释,对各模型识别结果进行可视化对比。Fast-Unet模型对棉花、玉米、甘蔗导航路径提取精度指标平均交并比分别为0.791、0.881和0.940。模型推理速度为Unet的6.48倍,在单核CPU上处理RGB图像的推理速度为64.67帧/s,满足农作物导航路径识别的实时性需求。研究结果可为田间智能农业装备的导航设备研制提供技术与理论基础。

关 键 词：图像处理 导航 路径识别  语义分割  迁移学习  深度学习  

分 类 号：S24]