基于深度学习的甘蔗收获机蔗梢识别定位方法及切梢控制系统技术方案

本发明专利技术公开了一种基于深度学习的甘蔗收获机蔗梢识别定位方法及切梢控制系统，包括以下步骤：(1)使用相机采集蔗田的甘蔗蔗梢图像信息；(2)对蔗梢图像进行实例分割标定，制作数据集，并按比例分为训练集、验证集和测试集；(3)使用卷积神经网络对标定的训练集和验证集进行迭代训练，获取最优权值文件，得到蔗梢形态特征识别网络模型；(4)对相机内外参数进行标定，并计算世界坐标获取相机相对位置信息；(5)使用训练好的蔗梢形态特征识别网络模型，对分配好的测试集进行预测验证，对网络模型进行评价。本发明专利技术的切梢控制系统及控制方法，对于降低收获机切梢时的含杂率，同时节省大量的人工劳动力。

【技术实现步骤摘要】

本专利技术涉及农业机械智能化，特别涉及一种基于深度学习的甘蔗收获机蔗梢识别定位方法及切梢控制系统。

技术介绍

1、通常情况下人工砍收的甘蔗含杂率很低，一般在1％左右，而机械化收获的甘蔗含杂率很高，并且受地形和天气影响很大，甘蔗茎秆所制造的养料大部分都是糖类，所以甘蔗根部的糖分最浓。除此之外，甘蔗的叶子和梢头部分要积聚充分的水分，以供叶的蒸腾作用所需，根部的水分相对来说就很少，梢头的大量水分冲淡了糖分在甘蔗收割中，因此收割机要尽可能的找到甘蔗的梢头进行切割。如果切割点高于甘蔗的生长点就会堆积大量含糖量很少的甘蔗头部导致甘蔗含杂量太高，就会导致含杂率变高，糖厂不愿意接受，但如果切割点低于甘蔗的生长点就会造成大量的浪费，降低了种植户的收入。然而实际上当收获机运行时，驾驶员要边驾驶收获机边提高或降低切刀到甘蔗生长点位置，可是，收获机运行速度很快，驾驶员操作东西太多，来不及反应，导致调整不到甘蔗生长点，导致机收的含杂率过高。现在的机器识别算法很难直接对甘蔗生长点的位置进行识别。但是经过大量田间调研发现甘蔗生长点的位置大约在甘蔗梢位置下约35-40cm处。所以可以通过本文档来自技高网...

【技术保护点】

1.一种基于深度学习的甘蔗收获机蔗梢识别定位方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的基于深度学习的甘蔗收获机蔗梢识别定位方法，其特征在于，步骤(1)中相机采集的图像信息包括甘蔗蔗梢图像及视频信息，通过相机在蔗田件对不同光照情况下进行图像录制或拍摄，获取蔗梢图片样片，得到蔗梢图片信息。

3.根据权利要求1所述的基于深度学习的甘蔗收获机蔗梢识别定位方法，其特征在于，步骤(2)的标定方法包括：使用Lambelme标注软件，Lambelme标注软件使用实例分割进行多边形标注框进行标注，使用Lambelme工具对甘蔗稍进行实例分割标定，为一类蔗稍标签，使用...

【技术特征摘要】

1.一种基于深度学习的甘蔗收获机蔗梢识别定位方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的基于深度学习的甘蔗收获机蔗梢识别定位方法，其特征在于，步骤(1)中相机采集的图像信息包括甘蔗蔗梢图像及视频信息，通过相机在蔗田件对不同光照情况下进行图像录制或拍摄，获取蔗梢图片样片，得到蔗梢图片信息。

3.根据权利要求1所述的基于深度学习的甘蔗收获机蔗梢识别定位方法，其特征在于，步骤(2)的标定方法包括：使用lambelme标注软件，lambelme标注软件使用实例分割进行多边形标注框进行标注，使用lambelme工具对甘蔗稍进行实例分割标定，为一类蔗稍标签，使用标定工具生成标定文件，其文件内容包含标定点及其连线的信息和类别信息，然后对标定好的数据集，按比例进行随机分配。

4.根据权利要求1所述的基于深度学习的甘蔗收获机蔗梢识别定位方法，其特征在于，步骤(3)甘蔗蔗梢形态特征网络模型，采用yolov8+dwr的检测模型。

5.根据权利要求4所述的基于深度学习的甘蔗收获机蔗梢识别定位方法，其特征在于，在...

【专利技术属性】
技术研发人员：李尚平，任泓宇，文春明，李凯华，莫一凡，韦雨彤，李鑫志，宋家华，
申请(专利权)人：广西民族大学，
类型：发明
国别省市：