为实现休眠期枣树选择性修剪,针对自动化剪枝过程中枣树枝干识别与参数提取困难的问题,提出一种基于实例分割神经网络的枝干识别与参数自动提取的方法。首先,通过前期搭建的视觉系统获取2个角度下的点云,并基于骨架点重建完整的枣树点云...为实现休眠期枣树选择性修剪,针对自动化剪枝过程中枣树枝干识别与参数提取困难的问题,提出一种基于实例分割神经网络的枝干识别与参数自动提取的方法。首先,通过前期搭建的视觉系统获取2个角度下的点云,并基于骨架点重建完整的枣树点云,利用CloudCompare V 2.11软件对枣树三维点云进行手工标注,构建带语义信息的枣树点云数据集,将标注完的376棵枣树,按照8∶2的比例分为训练集和验证集;其次,结合JSNet实例分割网络对枣树点云进行分割,同时对比分析不同自然环境对实例分割精度的影响;最后,提出枣树修剪枝直径和长度参数自动提取的方法。试验结果表明:休眠期枣树主干的分割精度为96%,而修剪枝的分割精度为77%,并且不同自然环境对分割精度影响较小。枣树修剪枝的直径拟合值与实际测量值误差范围在2 mm以内,且其长度拟合值与实际值的误差范围在1 cm以内,为后续准确确定枣树剪枝点的位置提供数据依据。展开更多
文摘为实现休眠期枣树选择性修剪,针对自动化剪枝过程中枣树枝干识别与参数提取困难的问题,提出一种基于实例分割神经网络的枝干识别与参数自动提取的方法。首先,通过前期搭建的视觉系统获取2个角度下的点云,并基于骨架点重建完整的枣树点云,利用CloudCompare V 2.11软件对枣树三维点云进行手工标注,构建带语义信息的枣树点云数据集,将标注完的376棵枣树,按照8∶2的比例分为训练集和验证集;其次,结合JSNet实例分割网络对枣树点云进行分割,同时对比分析不同自然环境对实例分割精度的影响;最后,提出枣树修剪枝直径和长度参数自动提取的方法。试验结果表明:休眠期枣树主干的分割精度为96%,而修剪枝的分割精度为77%,并且不同自然环境对分割精度影响较小。枣树修剪枝的直径拟合值与实际测量值误差范围在2 mm以内,且其长度拟合值与实际值的误差范围在1 cm以内,为后续准确确定枣树剪枝点的位置提供数据依据。