Detección y localización de brotes de té basada en YOLOv5s mejorado y procesamiento de nube de puntos 3D
Autores: Zhu, Lixue; Zhang, Zhihao; Lin, Guichao; Chen, Pinlan; Li, Xiaomin; Zhang, Shiang
Idioma: Inglés
Editor: MDPI
Año: 2023
Acceso abierto
Artículo científico
2023
Detección y localización de brotes de té basada en YOLOv5s mejorado y procesamiento de nube de puntos 3D
Categoría
Ciencias Agrícolas y Biológicas
Subcategoría
Agronomía y Ciencia de los Cultivos
Palabras clave
Detección
Localización
Brotes de té
Algoritmo YOLOv5
Tecnología de nube de puntos 3D
Puntos de selección
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 22
Citaciones: Sin citaciones
Actualmente, la detección y localización de brotes de té dentro del entorno no estructurado de una plantación de té representan un gran desafío debido a su pequeño tamaño, significativas variaciones morfológicas y de altura de crecimiento, y densa distribución espacial. Para resolver este problema, este estudio aplica una versión mejorada del algoritmo YOLOv5 para la detección de brotes de té en un amplio campo de visión. Además, se utiliza la tecnología de nube de puntos 3D para la localización de brotes de té de tamaño pequeño con el fin de facilitar la detección de los brotes de té y la identificación de puntos de recolección para un robot recolector de té de renombre. Para mejorar la red YOLOv5, se incorporan el módulo Efficient Channel Attention Network (ECANet) y la Red Piramidal de Características Bidireccionales (BiFPN). Después de adquirir la nube de puntos 3D para la región de interés en los resultados de detección, la nube de puntos 3D del brote de té se extrae utilizando el algoritmo de agrupamiento DBSCAN para determinar las coordenadas 3D de los puntos de recolección de brotes de té. Luego, se utiliza el análisis de componentes principales para ajustar el cuboide exterior mínimo a la nube de puntos 3D de los brotes de té, resolviendo así las coordenadas 3D de los puntos de recolección. Para evaluar la efectividad del algoritmo propuesto, se realiza un experimento utilizando un conjunto de pruebas de imágenes de té recopiladas, lo que resulta en una precisión de detección del 94.4% y una tasa de recuperación del 90.38%. Además, se lleva a cabo un experimento de campo en un campo experimental de té para evaluar la precisión de la localización, con errores absolutos medios de 3.159 mm, 6.918 mm y 7.185 mm observados en las direcciones x, y y z, respectivamente. El tiempo promedio consumido para la detección y localización es de 0.129 s, lo que cumple con los requisitos de los robots recolectores de té bien conocidos en jardines de té al aire libre para una identificación rápida y colocación exacta de brotes de té de tamaño pequeño con un amplio campo de visión.
Descripción
Actualmente, la detección y localización de brotes de té dentro del entorno no estructurado de una plantación de té representan un gran desafío debido a su pequeño tamaño, significativas variaciones morfológicas y de altura de crecimiento, y densa distribución espacial. Para resolver este problema, este estudio aplica una versión mejorada del algoritmo YOLOv5 para la detección de brotes de té en un amplio campo de visión. Además, se utiliza la tecnología de nube de puntos 3D para la localización de brotes de té de tamaño pequeño con el fin de facilitar la detección de los brotes de té y la identificación de puntos de recolección para un robot recolector de té de renombre. Para mejorar la red YOLOv5, se incorporan el módulo Efficient Channel Attention Network (ECANet) y la Red Piramidal de Características Bidireccionales (BiFPN). Después de adquirir la nube de puntos 3D para la región de interés en los resultados de detección, la nube de puntos 3D del brote de té se extrae utilizando el algoritmo de agrupamiento DBSCAN para determinar las coordenadas 3D de los puntos de recolección de brotes de té. Luego, se utiliza el análisis de componentes principales para ajustar el cuboide exterior mínimo a la nube de puntos 3D de los brotes de té, resolviendo así las coordenadas 3D de los puntos de recolección. Para evaluar la efectividad del algoritmo propuesto, se realiza un experimento utilizando un conjunto de pruebas de imágenes de té recopiladas, lo que resulta en una precisión de detección del 94.4% y una tasa de recuperación del 90.38%. Además, se lleva a cabo un experimento de campo en un campo experimental de té para evaluar la precisión de la localización, con errores absolutos medios de 3.159 mm, 6.918 mm y 7.185 mm observados en las direcciones x, y y z, respectivamente. El tiempo promedio consumido para la detección y localización es de 0.129 s, lo que cumple con los requisitos de los robots recolectores de té bien conocidos en jardines de té al aire libre para una identificación rápida y colocación exacta de brotes de té de tamaño pequeño con un amplio campo de visión.