基于视频的农业人工采摘者活动分类
计算机视觉与模式识别
2023-11-21 v1 机器人学
摘要
在农业系统中，收获作业是繁琐且耗时的任务。基于此，部署一组自主机器人并与农场工人协同工作可带来巨大的生产力与物流效益。进而，智能机器人系统应监测人类行为、识别正在进行活动并预判工人需求。本工作主要贡献在于构建一个基于视频的人工采摘者检测基准模型，对其活动进行分类以服务于不同农业场景中的收获作业。我们的方案结合Mask R-CNN（Mask Region-based Convolutional Neural Network，基于掩膜区域的卷积神经网络）用于目标检测与光流用于运动估计，并新增流运动描述子的统计属性，称为相关灵敏度（CS）。基于核密度估计（KDE）分析与K-means聚类算法定义分类准则，应用于草莓大棚与苹果园等不同作物田块的自采数据集。所提框架使用灵敏度、特异度和准确率度量进行定量分析，在光照变化、模糊与遮挡等多种数据集挑战下均显示出满意结果。
引用
@article{arxiv.2311.10885,
title = {A Video-Based Activity Classification of Human Pickers in Agriculture},
author = {Abhishesh Pal and Antonio C. Leite and Jon G. O. Gjevestad and Pål J. From},
journal= {arXiv preprint arXiv:2311.10885},
year = {2023}
}
备注
4 pages, 6 figures, 3 tables