面向机器人采摘的甜椒果梗田间检测：一项比较研究
机器人学
2017-10-02 v1
摘要
农作物机器人采摘有望颠覆现有的农业实践。实现机器人采摘的关键要素是安全地将作物从植株上移除，这通常涉及定位并切断果梗，即作物连接到植株主茎的部分。本文对两种果梗检测方法进行了比较研究。第一种方法基于从场景中提取的经典颜色和几何特征，并使用支持向量机分类器，称为 PFH-SVM。第二种方法是一种高效的深度神经网络方法 MiniInception，能够部署在机器人平台上。在两种方法中，我们都采用了二次滤波过程，该过程强制执行关于作物结构的合理假设，例如果梗与作物的邻近性。我们的测试在甜椒采摘机器人 Harvey 上进行，并在温室中使用两种甜椒品种 Ducati 和 Mercuno 进行评估。我们证明 MiniInception 方法达到了出色的准确率，并显著优于 PFH-SVM 方法，分别取得了 0.564 和 0.302 的 F1 分数。
引用
@article{arxiv.1709.10275,
title = {In-Field Peduncle Detection of Sweet Peppers for Robotic Harvesting: a comparative study},
author = {Chris Lehnert and Chris McCool and Tristan Perez},
journal= {arXiv preprint arXiv:1709.10275},
year = {2017}
}
备注
Submitted to International Conference on Robotics and Automation 2018, under review