YOLOv5 基于表型和姿态估计的番茄收获自主机器人_ahppebot

目录

I. 介绍

II. 相关工作

III. 方法

A. 平台设计

B. 表型分析

C. 姿势估计

D. 决策和运动规划

IV. 实验结果

A. 数据集和训练

B. 表现型测试

C. 姿态估计测试

D. 自动收割实验

.结论

        为了解决传统自动收获机器人固有的局限性，特别是 它们的次优成功率和作物受损的风险，我们设计了一种名为 AHPPEBot的新型机器人，它能够基于作物表型和姿态估计进 行自主收获。具体而言，在表型分析中，番茄桁架和单个果实 的检测、关联和成熟度估计是通过多任务YOLOv5模型和基于 检测的自适应DBScan聚类算法完成的。在姿态估计中，我们采 用深度学习模型来预测花梗上的7个语义关键点。这些关键点 有助于机器人的路径规划，最小化目标接触，并便于使用我们 专门的末端执行器进行收割。在商业温室中进行的自主番茄收 获实验中，我们提出的机器人实现了86.67%的收获成功率，平 均成功收获时间为32.46 s，展示了其连续和强大的收获能力。 这一结果强调了收获机器人在弥合农业劳动力差距方面