检索结果-内蒙古大学图书馆

作者：陈泽宇哈尔滨工业大学

学位级别：硕士

随着农业生产步入现代化,农机在田间的作业任务逐渐从人工转向自主。在农机自主作业任务中,除了关注如何实现全覆盖的路径规划外,还需要额外关注作业时的动态避障问题。在农机避障任务中,除了需要对指定障碍物进行识别外,还需要针对一... 详细信息

随着农业生产步入现代化,农机在田间的作业任务逐渐从人工转向自主。在农机自主作业任务中,除了关注如何实现全覆盖的路径规划外,还需要额外关注作业时的动态避障问题。在农机避障任务中,除了需要对指定障碍物进行识别外,还需要针对一些严重危害人员安全和严重耽误农时进度的情况进行单独的设计解决方案。本文主要从以下三个方向开展研究:(1)自主作业任务的前提就是要保护人员安全,防止农机造成人员伤亡。这需要农机在作业中可以提前识别到田中行人,并作出预警与反应。(2)目前农机经常出现陷入田间坑洼中被困住的情况,尤其在夏季阴雨天气时发生频率更高。这是由于农机没有提前识别到路径上的坑洼并作出反应。(3)由于边缘设备高延迟,低算力的限制,在部署常规的网络模型到边缘设备时常不能满足实时检测的要求。这是因为网络参数量大且层数较深时,对算力要求较高,需要同时兼顾精度和速度的解决方法。针对上述问题,本文采用机器学习技术,对以上三个问题展开研究,并给出解决方案。首先,对于田间行人检测任务选用SSD框架作为网络主要结构,针对边缘设备特性,使用轻量化的Mobilenet V2网络取代VGG16作为主网络,以降低参数量和层数,引入特征金字塔网络提高后端检测性能。采用卡内基梅隆大学的田间行人数据集进行训练与测试。测试结果显示,添加特征金字塔网络后,检测精度从85.69%提升至88.58%,提高了约2.89%,验证了方法的有效性。其次,对于田间坑洼检测任务,由于田间道路缺陷多为坑洼且无公开数据集,本文首先对kaggle上公开的常规道路下的坑洼数据进行学习与训练,再对对实验室环境下自建的农田坑洼数据集进行迁移学习,模拟实现田间道路的坑洼检测。在模型设计方面,选用YOLOV5的轻量版本YOLOV5s进行网络设计,同时引入CBAM注意力机制来提升网络精度。引入CBAM注意力机制后,常规道路上的坑洼检测精度从94.57%提升至97.16%。迁移学习后的田间坑洼检测精度为83.15%。最后,本文给出了模型的边缘部署方案。首先通过搭载Jetson Nano的Jetbot作为载体,使用Res NET-18网络实现了全覆盖的路径规划和特定障碍物检测。运用Tensor RT对田间行人检测任务和田间坑洼检测任务中所得到的模型进行边缘部署,在适当降低精度的情况下大幅提升了运行速度,满足了边缘端实时检测的要求,实现了农机自主作业任务中避障技术的边缘部署。

关键词：农机自主作业避障技术轻量模型设计模型边缘部署

来源：评论

学校读者我要写书评

暂无评论

基于边缘智能的田间道路缺陷检测方法

引用

北京邮电大学学报 2025年第1期48卷 73-78页

作者：陈泽宇古月程思瑶冯国惠哈尔滨工业大学计算机科学与技术学院哈尔滨150001 哈尔滨工业大学智慧农场技术与系统全国重点实验室哈尔滨150001 哈尔滨工业大学中国移动5G应用创新联合研究院哈尔滨150001 北大荒农垦集团有限公司北大荒信息有限公司哈尔滨150028

在智慧农机的自主作业任务中,实时的田间道路缺陷检测是确保农机安全工作的关键。但现有道路缺陷检测技术在农业领域研究尚浅,也缺乏针对田间道路的数据集。为得到针对田间道路的缺陷检测模型,首先使用常规道路坑洼数据集训练模型,再利... 详细信息

在智慧农机的自主作业任务中,实时的田间道路缺陷检测是确保农机安全工作的关键。但现有道路缺陷检测技术在农业领域研究尚浅,也缺乏针对田间道路的数据集。为得到针对田间道路的缺陷检测模型,首先使用常规道路坑洼数据集训练模型,再利用模拟田间道路坑洼数据集对上述模型进行迁移学习。而为了解决模型在迁移学习后检测精度下降的问题,通过在YOLOv5s网络架构中引入注意力机制来提升网络精度,使田间道路缺陷检测模型检测精度达到83.15%,满足了田间道路缺陷检测的精度要求。为了验证缺陷检测模型的边缘性能,将模型部署到Jetson Nano上进行模拟实验。为达到田间道路缺陷检测模型在边缘端的实时检测要求,通过TensorRT技术对模型优化和压缩,使得坑洼检测速度由396 ms/帧提升至157 ms/帧。

关键词：缺陷检测迁移学习深度学习轻量模型设计边缘部署

来源：评论

学校读者我要写书评

暂无评论

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案：

请选择收藏分类：

通借通还