基于YOLOv3目标检测的秧苗列中心线提取方法

作     者：张勤 王家辉 李彬 ZHANG Qin;WANG Jiahui;LI Bin

作者机构：华南理工大学机械与汽车工程学院广州510641 华南理工大学自动化科学与工程学院广州510641 

出 版 物：《农业机械学报》 (Transactions of the Chinese Society for Agricultural Machinery)

年 卷 期：2020年第51卷第8期

页      面：34-43页

核心收录：

学科分类：080202[工学-机械电子工程] 08[工学] 0804[工学-仪器科学与技术] 0802[工学-机械工程] 

基　　金：广东省省级科技计划项目(2014A020208018) 

主　　题：水田秧苗 中心线提取 深度学习 ROI图像 自适应检测框聚类 

摘      要：针对秧苗列中心线的检测结果易受到水田中的浮萍、蓝藻以及水面反射、风速、光照情况等自然条件影响的问题,提出一种基于YOLOv3目标检测的秧苗列中心线检测算法。基于透视投影计算提取图像的ROI(Region of interest)区域,采用ROI图像构建数据集,对YOLOv3模型进行训练,训练过程中通过减少YOLOv3模型的输出降低运算量,利用模型识别定位ROI内的秧苗,并输出其检测框,对同列秧苗的检测框进行自适应聚类。在对秧苗图像进行灰度化和滤波处理后,在同类检测框内提取秧苗SUSAN(Smallest univalue segment assimilating nucleus)角点特征,采用最小二乘法拟合秧苗列中心线。试验结果表明,该算法对于秧苗的不同生长时期,以及在大风、蓝藻、浮萍和秧苗倒影、水面强光反射、暗光线的特殊场景下均能成功提取秧苗列中心线,鲁棒性较好,模型的平均精度为91.47%,提取的水田秧苗列中心线平均角度误差为0.97°,单幅图像(分辨率640像素×480像素)在GPU下的平均处理时间为82.6 ms,能够满足视觉导航的实时性要求。为复杂环境下作物中心线的提取提供了有效技术途径。