摘要：甘蔗是一种具有全球经济意义的重要经济作物，其株高与产量的关系非常密切，而确定甘蔗的高度表征的传统方法依赖于人工检测，这是劳动密集型与耗时的。因此，本文收集了甘蔗作物在不同场景下的图像数据集，提出了轻量化改进的PSPNet和YOLOv5s模型，用于分割甘蔗主体与检测甘蔗顶梢位置。并且开发了一套自动测量机器人，其部署了改进后的模型来实时推理深度摄像头采集的图像，进而，设计云台自动化操作系统。最后，获取甘蔗位置与深度信息来计算甘蔗高度。实验结果表明，甘蔗高度测量方法的平均绝对误差小于2.4 cm、准确率高于97.61%、成功率高于93%、检测时间低于13.2 秒，并且提出的甘蔗主干分割与顶梢检测模型参数大幅减小，精度分别保持在87%与97%左右。
文章目录
0 引 言
1 问题描述
2 基于分割与检测的甘蔗高度表征测量方法
2.1 基于改进PAPNet的甘蔗主干分割模型
2.2 轻量化改进的甘蔗顶梢检测模型
2.3 甘蔗高度测量方法
3 实验平台与数据集
3.1 移动机器人实验平台
3.2 甘蔗数据集介绍
4 实验设计
4.1 实验环境和参数设置
4.2 模型评价指标
5 结果与讨论
5.1 甘蔗主干分割实验结果与分析
5.2 甘蔗顶梢检测实验结果与分析
5.3 甘蔗高度测量实验分析
6 结 论
