基于YOLOv5的果园苹果精确检测与定位用于机器人采收系统
计算机视觉与模式识别
2024-05-13 v1 人工智能
摘要
农业机器人技术的进步为改变水果采收实践带来了巨大希望，尤其是在苹果产业中。水果的精确检测与定位对于机器人采收系统的成功实施至关重要。在本文中，我们提出了一种利用目标检测模型YOLOv5进行苹果检测和位置估计的新方法。我们的主要目标是开发一个鲁棒的系统，能够在复杂的果园环境中识别苹果并提供精确的位置信息。为此，我们策划了一个由多样化苹果树图像组成的自主标记数据集，用于训练和评估。通过严格的实验，我们将基于YOLOv5的系统与其他流行的目标检测模型（包括SSD）的性能进行了比较。结果表明，YOLOv5模型优于其他模型，实现了约85%的令人印象深刻的苹果检测准确率。我们相信，我们提出的系统所具有的精确苹果检测和位置估计能力代表了农业机器人技术的重大进步，为更高效、更可持续的水果采摘实践奠定了基础。
引用
@article{arxiv.2405.06260,
title = {Precise Apple Detection and Localization in Orchards using YOLOv5 for Robotic Harvesting Systems},
author = {Jiang Ziyue and Yin Bo and Lu Boyun},
journal= {arXiv preprint arXiv:2405.06260},
year = {2024}
}