论文部分内容阅读
为研究适用于大蒜联合收获的智能化切根装置,提出了基于机器视觉的非接触式定位切根方法,设计了一种基于深度卷积神经网络的大蒜切根试验台.试验台采用深度学习的方法,对采集到的图像进行目标检测,利用APP完成人机交互和结果显示,由深度卷积神经网络给定切根的切入位置,电机控制系统自动调整定位双圆盘切根刀完成切根处理.目标比较试验表明:鳞茎、根盘和蒜根3种目标中,鳞茎可用率为94.79％、置信度得分为0.97697,适合作为检测目标;检测模型比较试验表明:对比基于Faster R-CNN、SSD、YOLO v2、YOLO v3和YOLO v4算法的10种模型,选择ResNet50作为特征提取网络改进的YOLO v2模型,兼顾检测速度与精度(测试程序中的检测时间为0.0523 s、置信度得分为0.96849);切根试验表明:以鳞茎作为目标,采用改进的YOLO v2模型,置信度得分为0.97099,可用率为96.67％,切根合格率为95.33％,APP中的检测时间为0.0887 s,满足大蒜联合收获切根要求.