一种基于计算机视觉的轻量级抛料具自动卸料方法、系统技术方案

本发明专利技术公开了一种基于计算机视觉的轻量级抛料具自动卸料方法、系统，涉及农业机械自动化领域，通过成像设备采集农业收割现场视频，得到视频数据；通过图像处理模块接收视频数据并利用预训练的深度学习模型对视频数据进行分析，得到运输车的位置数据；根据运输车的位置数据计算抛料具的调整脉冲信息；根据抛料具的调整脉冲信息，通过卸料控制器实时调整抛料具的位姿，实现自动卸料。本发明专利技术能够实时自动调节抛料具的位置实现精准卸料，同时降低算力成本，有助于提高收割机的工作效率，减少对人工的依赖，为中小型企业的智能化转型提供了解决方案。

【技术实现步骤摘要】

本专利技术涉及农业机械自动化领域，尤其涉及一种基于计算机视觉的轻量级抛料具自动卸料方法、系统。

技术介绍

1、近年来，农业设备无人化技术取得了重要进步，收获机自动卸料方面也正在向无人化方向发展。目前收获卸料环节主要依靠传统人工控制卸料模式，但也已有研究开始探索自动卸料技术，目前关于自动卸料的研究主要集中在定点自动卸料模式和边收获边自动卸料模式。

2、定点卸料模式主要依靠收获机提前设定固定的卸料点，在达到给定卸料点后收获机自动卸料，然后收获机再返回收获，对不同作业地点就要设置不同的卸料点，这限制了作业灵活性并且影响整体效率。

3、边收获边自动卸料模式是运输车始终与正在作业的收获机保持相对位置，运输车粮仓满后返回储存点，新的运输车继续保持与收获机的相对位置，继续保边收获边卸料状态；该模式的优势是可保持收获机不停机收获，提高了作业效率。但现有的研究有大多依赖无人系统和各种检测设备，无法大面积推广。

4、结合传统人工控制卸料模式和边收获边自动卸料模式，可能是一种新的解决方案。随着深度学习的发展借助图像识别技术，将图像采集设备固定本文档来自技高网...

【技术保护点】

1.一种基于计算机视觉的轻量级抛料具自动卸料方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的一种基于计算机视觉的轻量级抛料具自动卸料方法，其特征在于，所述深度学习模型为优化后的YOLOV8模型；即将YOLOV8模型骨干部分的Darknet53替换为交替堆叠的ShuffleBlock和AugShuffleBlock；并将AugShuffleBlock中的BN替换为XBN；将YOLOV8模型颈部特征融合前的卷积层替换为3×3的ODConv、C2f替换为DWConv、最后两个Concat替换为ADD。

3.根据权利要求2所述的一种基于计算机视觉的轻量级抛料具自...

【技术特征摘要】

1.一种基于计算机视觉的轻量级抛料具自动卸料方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的一种基于计算机视觉的轻量级抛料具自动卸料方法，其特征在于，所述深度学习模型为优化后的yolov8模型；即将yolov8模型骨干部分的darknet53替换为交替堆叠的shuffleblock和augshuffleblock；并将augshuffleblock中的bn替换为xbn；将yolov8模型颈部特征融合前的卷积层替换为3×3的odconv、c2f替换为dwconv、最后两个concat替换为add。

3.根据权利要求2所述的一种基于计算机视觉的轻量级抛料具自动卸料方法，其特征在于，对yolov8进行重构后得到的深度学习模型的骨干部分包括：依次连接的卷积层、第一混洗块、第一增强混洗块、第二混洗块、第二增强混洗块、第三混洗块、第三增强混洗块；其中卷积层的输入为整个深度学习模型的输入。

4.根据权利要求3所述的一种基于计算机视觉的轻量级抛料具自动卸料方法，其特征在于，对yolov8进行重构后得到的深度学习模型的颈部包括：依次连接的第一全维度动态卷积层、第一上采样层、第一拼接层、第一深...

【专利技术属性】
技术研发人员：田军营，张明川，高航，吴庆涛，朱军龙，高慧敏，韩贝贝，杨美怡，王红艺，赵海霞，
申请(专利权)人：河南科技大学，
类型：发明
国别省市：