[目的/意义]针对智能修剪机器人在复杂田间环境下对果树枝干识别精度不足及修剪点定位不准确的问题,提出一种基于图像和点云融合的深度学习方法,以实现休眠期高纺锤形苹果树剪枝点的自动识别与精准定位。[方法]首先,采用Realsense D435i相机采集苹果树RGB-D数据。其次,提出一种改进的U-Net模型,以VGG16(Visual Geometry Group 16)作为主干特征提取网络并在上采样阶段引入卷积块注意力模块CBAM (Convolutional Block Attention Module),实现对RGB图像中主干和一级枝的精确分割。然后,基于OpenCV的边缘检测与骨架提取算法,先提取一级枝连接点,再通过坐标平移在局部邻域内搜索潜在修剪点,并利用深度信息估算一级枝几何参数;同时,通过主干掩模与深度图融合,采用颜色筛选获取主干点云,并运用随机采样一致性算法进行圆柱拟合以估计主干直径。最后,基于智能修剪决策算法确定预测修剪点。[结果和讨论]改进的U-Net模型在枝干分割中的平均像素精度(Mean Pixel Accuracy,mPA)为95.52%,在背光和向光条件下表现出良好鲁棒性。相对于人工实测值,一级枝直径、间距和主干直径估计值的平均绝对误差分别为1.33、13.96和5.11 mm。此外,基于智能修剪决策系统识别修剪点的正确率为87.88%,单视角下平均处理时间约为4.2s。[结论]本研究提出了一种高效且精准的苹果树剪枝点识别方法,为智能修剪机器人在现代农业中的应用提供了重要支持,进一步推动了农业生产向智能化和高效化方向发展。
