Detección de brotes de té y estimación de la pose en 3D en el campo con una cámara de profundidad basada en YOLOv5 mejorado y el método de búsqueda óptima de vértices de pose
Autores: Chen, Zhiwei; Chen, Jianneng; Li, Yang; Gui, Zhiyong; Yu, Taojie
Idioma: Inglés
Editor: MDPI
Año: 2023
Acceso abierto
Artículo científico
2023
Detección de brotes de té y estimación de la pose en 3D en el campo con una cámara de profundidad basada en YOLOv5 mejorado y el método de búsqueda óptima de vértices de pose
Categoría
Ciencias Agrícolas y Biológicas
Subcategoría
Ciencias Agrícolas y Biológicas Generales
Palabras clave
Detección
Posicionamiento
Brotes de té
Algoritmo
Estimación de postura
Automatización
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 26
Citaciones: Sin citaciones
La detección precisa y el posicionamiento de los brotes de té son uno de los principales problemas en la automatización de la recolección de té. En este estudio, se propuso un algoritmo novedoso para detectar brotes de té y estimar sus poses en un entorno de campo utilizando una cámara de profundidad. Este algoritmo introduce algunas mejoras en la arquitectura YOLOv5l. Se insertó un Mecanismo de Atención de Coordenadas (CAM) en la parte del cuello para posicionar con precisión los elementos de interés, se utilizó un BiFPN para mejorar la capacidad de detección de objetos pequeños, y un módulo GhostConv reemplazó al módulo Conv original en la estructura para reducir el tamaño del modelo y acelerar la inferencia del modelo. Tras las pruebas, el modelo de detección propuesto logró un mAP del 85.2%, una velocidad de 87.71 FPS, un número de parámetros de 29.25 M y un valor de FLOPs de 59.8 G, que son todos mejores que los obtenidos con el modelo original. A continuación, se desarrolló un método óptimo de búsqueda de vértices de poses (OPVSM) para estimar la pose del té mediante la construcción de un modelo de grafo para ajustar el punto en la nube. Este método podría estimar con precisión las poses de los brotes de té, con una precisión general del 90%, y era más flexible y adaptable a las variaciones en los brotes de té en términos de tamaño, color y características de forma. Además, los experimentos demostraron que el OPVSM podría establecer correctamente la pose de los brotes de té mediante el muestreo de la nube de puntos utilizando un filtro de voxel con una cuadrícula de 2 mm x 2 mm x 1 mm, y este proceso podría reducir efectivamente el tamaño de la nube de puntos a menos de 800 para garantizar que el algoritmo pudiera ejecutarse en menos de 0.2 s. Los resultados demuestran la efectividad del algoritmo propuesto para la detección de brotes de té y la estimación de poses en un entorno de campo. Además, el algoritmo propuesto tiene el potencial de ser utilizado en robots recolectores de té y también puede ser extendido a otros cultivos y objetos, convirtiéndolo en una herramienta valiosa para la agricultura de precisión y aplicaciones robóticas.
Descripción
La detección precisa y el posicionamiento de los brotes de té son uno de los principales problemas en la automatización de la recolección de té. En este estudio, se propuso un algoritmo novedoso para detectar brotes de té y estimar sus poses en un entorno de campo utilizando una cámara de profundidad. Este algoritmo introduce algunas mejoras en la arquitectura YOLOv5l. Se insertó un Mecanismo de Atención de Coordenadas (CAM) en la parte del cuello para posicionar con precisión los elementos de interés, se utilizó un BiFPN para mejorar la capacidad de detección de objetos pequeños, y un módulo GhostConv reemplazó al módulo Conv original en la estructura para reducir el tamaño del modelo y acelerar la inferencia del modelo. Tras las pruebas, el modelo de detección propuesto logró un mAP del 85.2%, una velocidad de 87.71 FPS, un número de parámetros de 29.25 M y un valor de FLOPs de 59.8 G, que son todos mejores que los obtenidos con el modelo original. A continuación, se desarrolló un método óptimo de búsqueda de vértices de poses (OPVSM) para estimar la pose del té mediante la construcción de un modelo de grafo para ajustar el punto en la nube. Este método podría estimar con precisión las poses de los brotes de té, con una precisión general del 90%, y era más flexible y adaptable a las variaciones en los brotes de té en términos de tamaño, color y características de forma. Además, los experimentos demostraron que el OPVSM podría establecer correctamente la pose de los brotes de té mediante el muestreo de la nube de puntos utilizando un filtro de voxel con una cuadrícula de 2 mm x 2 mm x 1 mm, y este proceso podría reducir efectivamente el tamaño de la nube de puntos a menos de 800 para garantizar que el algoritmo pudiera ejecutarse en menos de 0.2 s. Los resultados demuestran la efectividad del algoritmo propuesto para la detección de brotes de té y la estimación de poses en un entorno de campo. Además, el algoritmo propuesto tiene el potencial de ser utilizado en robots recolectores de té y también puede ser extendido a otros cultivos y objetos, convirtiéndolo en una herramienta valiosa para la agricultura de precisión y aplicaciones robóticas.