一种基于改进YOLOv4算法的茶树芽叶采摘点识别及定位方法

针对复杂环境下农业采茶机器人无法快速、准确地识别与定位茶树芽叶采摘点的问题,本文采用改进型YOLOv4-Dense算法和OpenCV图像处理方法,对茶树芽叶采摘点的定位问题进行研究。首先,基于YOLOv4算法,将CSPDarkNet53主干特征提取网络中的ResNet单元替换为DenseNet单元,使用改进后的算法模型对采集的茶树数据集进行芽叶目标检测;其次,运用OpenCV图像处理方法进行RGB-HSV颜色转换获取芽叶的轮廓,并基于形态学算法定位采摘点的位置;最后,开展采摘点定位方法的对比实验,分别与矩函数法、最小外接矩形中心点法的定位结果进行对比。实验结果表明:1)改进型YOLOv4-Dense算法在芽叶目标检测上的精确率为91.83%,召回率为68.84%,AP值为86.55%,F1分数为0.79;与YOLOv4模型的精确率、召回率、AP值、F1分数相比分别提升了2.21%,2.00%;2.05%,0.02;与YOLO v3模型相比它们分别提升了,5.56%,15.26%;9.13%,0.13;2)针对自然条件下的茶树芽叶,采用OpenCV图像处理方法定位采摘点的精确率为80.8%,召回率为83.2%,与矩函数法、最小外接矩形中心点法相比,分别提升了3.5%,7.1%;1.4%,6.1%。实验数据说明本研究方法对于芽叶采摘点的准确识别与定位具有一定的借鉴意义。