摘要
一种应用于农业机器人采摘的鲜食葡萄检测方法,包括以下步骤:步骤1、将拍摄的葡萄图像数据集的数据加载到模型中,对图像进行马赛克数据增强操作,得到更丰富的数据样本,再进行后续的特征提取操作;步骤2、对预处理后的图像提取特征,生成特征向量;步骤3、对提取的特征进行多尺度融合;步骤4、对网络输出的多尺度特征图进行目标预测并计算损失函数;步骤5、判断训练是否达到最优训练效果,进行新一轮迭代或输出模型结果;步骤6、使用训练后的模型进行目标检测操作,并且使用非最大值抑制的方法,删除多余的预测框。本发明提高复杂场景中鲜食葡萄的识别精度与识别速度。
技术关键词
农业机器人采摘
鲜食葡萄
图像提取特征
生成特征向量
置信度阈值
马赛克
周期
样本
全局平均池化
数据
特征金字塔
权重特征
多尺度
通道
注意力机制
定义
分辨率
图像分割
系统为您推荐了相关专利信息
BiLSTM模型
实体消歧方法
节点特征
依存句法分析
生成训练数据
生物降解膜
收卷系统
在线检测模块
磁悬浮
冷等离子发生器
多级特征
业务规则库
数据标注方法
联合损失函数
语义
自动生成方法
特征数据库
Word2Vec模型
代码结构
深度学习模型训练