使用机器人视觉系统的果实数量与质量估计
计算机视觉与模式识别
2018-01-18 v1
摘要
在非结构化环境(如农场)中,作物的准确定位仍极具挑战。许多已开发的系统仍依赖手工选取的特征进行作物识别,且常忽略作物数量与质量的估计,而这是农作过程中分配劳动力的关键。为缓解这些局限,我们提出了一种能够准确估计甜椒(Capsicum annuum L)这一重要园艺作物数量与质量的机器人视觉系统。该系统由三部分组成:检测、质量估计与跟踪。高效检测通过使用 FasterRCNN 框架实现。质量在同一框架中通过学习的并行层进行估计,我们通过实验表明其性能优于将质量作为传统 Faster-RCNN 框架中额外类别的处理方式。对这两种技术的评估勾勒出并行层的改进性能,其中并行技术取得了 77.3 的 F1 分数,而多类实现中得分最高(红色)的仅有 72.5。为跟踪作物,我们提出了一种经由检测的跟踪方法,其使用带并行层的 FasterRCNN,且也是一种仅视觉方案。该方法实现成本低,仅需一台相机,在跨 2 天的实验中我们表明所提系统能准确估计存在的甜椒数量,误差在真值的 4.1% 以内。
引用
@article{arxiv.1801.05560,
title = {Fruit Quantity and Quality Estimation using a Robotic Vision System},
author = {M. Halstead and C. McCool and S. Denman and T. Perez and C. Fookes},
journal= {arXiv preprint arXiv:1801.05560},
year = {2018}
}