基于改进YOLOv5模型的茄科植物叶片实例分割方法

观测叶片是了解植物生长情况的重要措施,为实现温室系统智能化管理,确保茄科植物健康生长,使用实例分割技术可以获取到茄科植物在植物苗期的叶片生长信息。提出一种基于YOLOv5模型的茄科植物叶片实例分割模型YOLOv5-Biformer,该模型针对茄科植物叶片的小目标特征,在主干网络中加入稀疏注意力网络,可以有效提高茄科植物叶片实例分割效率。试验结果表明,YOLOv5-Biformer模型在茄科植物叶片数据集上与基准模型相比,在精确度、召回率和平均精度指标上分别提高0.5、1.9和1.0个百分点。该模型在智能温室环境下对于苗期茄科植物叶片的实例分割有显著效果,为实现温室系统智能化管理提供新思路。

图书馆在架图书书脊与标签实例分割方法研究

准确获取图书信息是智能化管理图书的关键,为实现在架图书书脊和书脊底部标签的精确分割,本研究在SparseInst基础上提出增强编码器实例分割模型EE-SparseInst。该模型使用特征选择对齐模块将特征图对齐并融合,以减少边界信息损失,使用边界解析模块增强相邻书脊边缘处的语义表示,提高掩码的分割质量。建立在架图书图像数据集,数据集包含2253张图像和标注信息。结果表明,EE-SparseInst平均精确率达到80.81%,相较于CenterMask、SOLOv2、PolarMask和SparseInst 4种主流锚框自由式实例分割方法分别提高了7.57%、20.07%、10.50%、0.74%。

基于ORB-SLAM3的温室环境下番茄植株三维重建方法

针对当前生产环境下难以对植物进行精细三维重建的问题,提出一种基于ORB-SLAM3的番茄植株三维重建方法,利用深度相机采集RGB-D图像信息,根据前后帧图像特征点信息进行位姿估计,设计点云稠密重建模块,实现温室环境下番茄植株三维重建。结果表明,该方法在轨迹估计上整体表现较好,估计的轨迹没有重大漂移,较Elasticfusion方法、BadSlam方法估计的轨迹更贴合实际轨迹,位姿跟踪具有一定鲁棒性,且使用的关键帧数量较少,降低了冗余信息对算法的干扰;该方法重建的点云果径与实际果径平均绝对误差为1.48 mm,与实际情况十分接近,点云还原度高,重建品质较好,滤波算法没有对果实表型信息造成破坏,信息保留完整;该方法能够在温室环境下获取准确的位姿信息,并生成番茄植株三维模型,三维重建精度高,可以满足温室环境下番茄植株三维重建及番茄采摘机器人目标定位需要。