基于YOLOv5s的园林球形绿篱检测方法

在聚集遮挡等复杂园林环境下,现有的目标检测算法很难对球形绿篱进行准确检测。针对这一问题,提出一种基于YOLOv5s的算法YOLO-CBS,用于提高园林球形绿篱的检测精度。首先,将坐标注意力(CA)引入YOLOv5s的主干网络,CA不仅考虑通道间的关系还考虑特征空间的位置信息,因而能够使模型更准确地识别和定位目标绿篱;其次,用双向特征金字塔网络(BiFPN)替换路径聚合网络(PANet),以提高特征融合的效率;最后,将输出端的非极大值抑制(NMS)改为Soft-NMS,以提高对遮挡绿篱、聚集绿篱等复杂场景下的目标绿篱检测精度。典型绿篱数据集试验结果表明,与YOLOv5s算法相比,YOLO-CBS算法平均精度提高3.4%。

小型多功能机器人的目标识别与自主作业定位技术综述

目前国外园林环卫机械通过引入机器视觉、高灵敏传感器正在朝着高度自动化、智能化方向发展。针对我国目前绿篱苗木自主修剪作业机器人进行目标识别、对中与定位存在的自适应控制问题,以本实验室课题研究的技术成果为基础,阐述了复杂环境工况条件下,球、柱和锥形等单株苗木修剪造型过程机器人对中与精确定位的方法,分析了基于图像识别的机器人自适应对中方法以及基于多线激光雷达和单目视觉融合建图方法的特点和优势,指出了进一步优化改进的途径。同时,针对目前绿篱修剪机械一般由人工驾驶机具行驶到待修剪绿篱的附近,以人眼通过视频进行对中,通过人工操作移动机械臂的手部至绿篱的中心位置的上方进行修剪作业,导致工作效率低下的难题,研究并叙述了一种自主作业修剪机器人的苗木识别、建图与对中技术方法,极大提高了修剪装备的自动化和智能化水平。