本文主要研究内容
作者宋广虎,冯全,海洋,王书志（2019）在《采用深度学习法优化的葡萄园行间路径检测》一文中研究指出：为了使基于视觉信息的农业机器人在葡萄种植园实现准确导航检测行间道路,将采集的视频分割成图片做成图像集,训练图像集对FCN、SegNet和U-NET三种卷积神经网络进行迁移学习,得到三种分割网络模型,分别用这些模型对测试集中不同环境下葡萄行间路径图像进行分割试验,以人工分割为基准对三种网络的分割效果进行评价,最后对分割前景提取导航基准线。试验表明,三种分割网络测试集分割精度(MCC)分别达到了89. 96%、82. 42%和75. 78%,三种网络测试集上阴天图像的平均MCC分别比晴天高3. 78%、0. 45%和9. 67%。三种网络中,FCN的总体分割效果最优,测试集上的平均分割精度(MCC)分别比SegNet和U-NET高5. 87%和17. 12%。FCN网络分割精度高,分割边缘清晰,提取的导航线精准,为农业机器人自主行走提供了一种可靠的导航方法。
Abstract
wei le shi ji yu shi jiao xin xi de nong ye ji qi ren zai pu tao chong zhi yuan shi xian zhun que dao hang jian ce hang jian dao lu ,jiang cai ji de shi pin fen ge cheng tu pian zuo cheng tu xiang ji ,xun lian tu xiang ji dui FCN、SegNethe U-NETsan chong juan ji shen jing wang lao jin hang qian yi xue xi ,de dao san chong fen ge wang lao mo xing ,fen bie yong zhe xie mo xing dui ce shi ji zhong bu tong huan jing xia pu tao hang jian lu jing tu xiang jin hang fen ge shi yan ,yi ren gong fen ge wei ji zhun dui san chong wang lao de fen ge xiao guo jin hang ping jia ,zui hou dui fen ge qian jing di qu dao hang ji zhun xian 。shi yan biao ming ,san chong fen ge wang lao ce shi ji fen ge jing du (MCC)fen bie da dao le 89. 96%、82. 42%he 75. 78%,san chong wang lao ce shi ji shang yin tian tu xiang de ping jun MCCfen bie bi qing tian gao 3. 78%、0. 45%he 9. 67%。san chong wang lao zhong ,FCNde zong ti fen ge xiao guo zui you ,ce shi ji shang de ping jun fen ge jing du (MCC)fen bie bi SegNethe U-NETgao 5. 87%he 17. 12%。FCNwang lao fen ge jing du gao ,fen ge bian yuan qing xi ,di qu de dao hang xian jing zhun ,wei nong ye ji qi ren zi zhu hang zou di gong le yi chong ke kao de dao hang fang fa 。
论文参考文献
论文详细介绍
论文作者分别是来自林业机械与木工设备的宋广虎,冯全,海洋,王书志，发表于刊物林业机械与木工设备2019年07期论文，是一篇关于葡萄园论文,行间路径论文,图像分割论文,深度学习论文,导航基准线论文,林业机械与木工设备2019年07期论文的文章。本文可供学术参考使用，各位学者可以免费参考阅读下载，文章观点不代表本站观点，资料来自林业机械与木工设备2019年07期论文网站，若本站收录的文献无意侵犯了您的著作版权，请联系我们删除。
标签：葡萄园论文; 行间路径论文; 图像分割论文; 深度学习论文; 导航基准线论文; 林业机械与木工设备2019年07期论文;