文献类型：期刊文章

作　　者：余贤海[1] 孔德义[2,3] 谢晓轩[2,3] 王琼[2,3] 白先伟[2,3]

Yu Xianhai;Kong Deyi;Xie Xiaoxuan;Wang Qiong;Bai Xianwei(School of Microelectronics,Hefei University of Technology,Hefei 230601,China;Institute of Intelligent Machines,Chinese Academy of Sciences(CAS),Hefei 230031,China;Science Island Branch of Graduate School,University of Science and Technology of China,Hefei 230009,China)

机构地区：[1]合肥工业大学微电子学院,合肥230601 [2]中国科学院合肥智能机械研究所,合肥230031 [3]中国科学技术大学研究生院科学岛分院,合肥230009

出　　处：《农业工程学报》

基　　金：安徽省科技重大专项资助(202203a06020002)。

年　　份：2022

卷　　号：38

期　　号：24

起止页码：129-137

语　　种：中文

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

摘　　要：针对植物工厂中对番茄花朵授粉作业的自动化和智能化需求,为克服当前机器人在授粉作业过程中因番茄花朵小、姿态朝向各异而导致的检测精度不高和授粉策略不完善等难题,该研究提出了一种由目标检测、花期分类和姿态识别相结合的番茄花朵检测分类算法——TFDC-Net(Tomato Flower Detection and Classification Network)。在目标检测阶段,提出了一种改进的YOLOv5s网络模型ACW_YOLOv5s,通过在YOLOv5s网络中添加卷积块注意力模块(Convolutional Block Attention Module,CBAM)并采用加权框融合(Weighted Boxes Fusion,WBF)方法,使模型的准确率达到0.957,召回率达到0.942,m AP_(0.5)为0.968,m AP_(0.5-0.95)为0.620,各项指标相较于原YOLOv5s网络模型分别提高了0.028、0.004、0.012、0.066,并改善了目标漏检和误检的状况。进而,针对不同花期的花朵以及花蕊不同姿态朝向的授粉问题,采用EfficientNetV2分类网络分别对3种不同花期和5种不同花蕊姿态朝向的花朵进行训练,分别得到花期分类模型及姿态识别模型,通过选取300张花期图片和200张姿态图片对其进行测试,花期分类模型和姿态分类模型的总体准确率分别为97.0%和90.5%。将研究提出的TFDC-Net算法应用于自主研发的授粉机器人中进行试验验证,结果表明,该算法能够实现对番茄花朵的目标检测、花期分类和姿态识别。在此基础上,通过坐标转换对目标快速定位,利用机器人机械臂末端执行器对番茄花朵中的花蕊完成了精准授粉,验证了该算法的有效性。该研究可实现对番茄花朵的目标识别与检测,有助于进一步推动授粉机器人的研发与应用。

关 键 词：深度学习  神经网络  目标检测 花期分类  姿态识别  授粉机器人  

分 类 号：TP391.4]