基于YOLOv3目标检测的秧苗列中心线提取方法

• 作者: 张勤 李彬 王家辉
• 来源期刊: 农业机械学报
• 学科: 工学
• 关键词: 水田秧苗 中心线提取 深度学习 ROI图像 自适应检测框聚类
• 年，卷（期）: 2020,（8）
• 所属期刊栏目: 农业装备与机械化工程
• 页码范围: 34-43
• 页数: 10页
• 分类号: TP24
• 字数: 8606字
• 语种: 中文
• DOI: 10.6041/j.issn.1000-1298.2020.08.004

摘要

针对秧苗列中心线的检测结果易受到水田中的浮萍、蓝藻以及水面反射、风速、光照情况等自然条件影响的问题,提出一种基于YOLOv3目标检测的秧苗列中心线检测算法.基于透视投影计算提取图像的ROI(Region of interest)区域,采用ROI图像构建数据集,对YOLOv3模型进行训练,训练过程中通过减少YOLOv3模型的输出降低运算量,利用模型识别定位ROI内的秧苗,并输出其检测框,对同列秧苗的检测框进行自适应聚类.在对秧苗图像进行灰度化和滤波处理后,在同类检测框内提取秧苗SUSAN(Smallest univalue segment assimilating nucleus)角点特征,采用最小二乘法拟合秧苗列中心线.试验结果表明,该算法对于秧苗的不同生长时期,以及在大风、蓝藻、浮萍和秧苗倒影、水面强光反射、暗光线的特殊场景下均能成功提取秧苗列中心线,鲁棒性较好,模型的平均精度为91.47％,提取的水田秧苗列中心线平均角度误差为0.97°,单幅图像(分辨率640像素×480像素)在GPU下的平均处理时间为82.6 ms,能够满足视觉导航的实时性要求.为复杂环境下作物中心线的提取提供了有效技术途径.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李彬	华南理工大学自动化科学与工程学院	75	539	13.0	18.0
2	张勤	华南理工大学机械与汽车工程学院	27	142	6.0	10.0
3	王家辉	华南理工大学机械与汽车工程学院	6	9	2.0	3.0