【技术实现步骤摘要】
本专利技术涉及计算机图像处理，尤其涉及一种作业环境关键要素识别方法。
技术介绍
1、为了实现农田作业的智能化，开发专门的智能农机是必要的，这些机械应能够自主进行植物保护、开沟和施肥等任务。作为智能农机的关键技术，作业中关键要素(如作物或果树、道路、行间道、人及其他障碍物)的感知方法可以指导农机进行路径规划及自主避障，对于提高农机的智能化程度具有重要意义。
2、传统计算机视觉方法以其稳定性、可解释性和低计算成本在作业环境感知中有广泛应用，但在复杂作业环境中精确检测和定位方面存在挑战。高性能深度学习方法，如faster r-cnn和yolo系列，在果园环境中的目标检测和路径规划中表现优异，但在捕捉三维形状和边界细节方面仍有局限。
3、像素级语义识别方法逐渐在果园信息感知中兴起，车载图像传感器结合精细图像识别方法在车辆导航和环境感知方面优势明显。然而，果园复杂的光照条件和噪声干扰对环境感知提出了挑战，且计算成本和识别率也是关键问题。
4、deeplabv3是一种先进的像素级语义识别模型，通过空间金字塔池化(...
【技术保护点】
1.一种作业环境关键要素识别方法，其特征在于，包括：
2.根据权利要求1所述的作业环境关键要素识别方法，其特征在于，所述S1包括：
3.根据权利要求1所述的作业环境关键要素识别方法，其特征在于，所述S2包括：
4.根据权利要求1所述的作业环境关键要素识别方法，其特征在于，所述S3包括：
5.根据权利要求4所述的作业环境关键要素识别方法，其特征在于，所述S32包括：DP结构首先接收MobileNetv2特征提取网络的输出特征X，并采用不同卷积核K和空洞率r的轻量特征提取机制β模块进行特征提取，最后采用全局平均池化捕获全局上...
【技术特征摘要】
1.一种作业环境关键要素识别方法，其特征在于，包括：
2.根据权利要求1所述的作业环境关键要素识别方法，其特征在于，所述s1包括：
3.根据权利要求1所述的作业环境关键要素识别方法，其特征在于，所述s2包括：
4.根据权利要求1所述的作业环境关键要素识别方法，其特征在于，所述s3包括：
5.根据权利要求4所述的作业环境关键要素识别方法，其特征在于，所述s32包括：dp结构首先接收mobilenetv2特征提取网络的输出特征x，并采用不同卷积核k和空洞率r的轻量特征提取机制β模块进行特征提取，最后采用全局平均池化捕获全局上下文信息；其中β模块的计算方式如下：
6.根据权利要求5所述的作业环境关键要素识别方法，其特征在于，所述s33包括：选择性关注机制α模块通过对输入特征图进...
【专利技术属性】
技术研发人员：周志艳，管宪鲁，万欢，姜锐，欧媛珍，罗锡文，
申请(专利权)人：华南农业大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。