使用基于YOLO的学习方法进行农业实时目标检测与机器人操作
计算机视觉与模式识别
2024-01-30 v1 机器学习
机器人学
摘要
旨在实现农业工业化的过程中，优化常见农作物的收割流程具有重要意义。如今，机器视觉的使用实现了农作物的自动识别，从而提高了收割效率，但挑战依然存在。本研究提出了一个新框架，该框架结合了两个独立的卷积神经网络（CNN）架构，以便在模拟环境中同时完成作物检测与收割（机器人操作）任务。模拟环境中的作物图像经过随机旋转、裁剪、亮度和对比度调整，以生成用于数据集生成的增强图像。采用 you only look once 算法框架结合传统矩形边界框进行作物定位。随后，所提出的方法利用通过视觉几何组模型获取的图像数据，以揭示机器人操作的抓取位置。
引用
@article{arxiv.2401.15785,
title = {Real-time object detection and robotic manipulation for agriculture using a YOLO-based learning approach},
author = {Hongyu Zhao and Zezhi Tang and Zhenhong Li and Yi Dong and Yuancheng Si and Mingyang Lu and George Panoutsos},
journal= {arXiv preprint arXiv:2401.15785},
year = {2024}
}
备注
7 pages, 9 figures