[发明专利]一种基于深度学习的果园机械行走路线规划方法

说明书

本发明公开了一种基于果树树干识别的果园机械行走路线规划方法，首先获取待规划果园的环境样本集；利用所述环境样本集对改进的YOLO V3神经网络进行训练，将改进后的YOLO V3神经网络取名为TREE‑YOLO V3网络；实时获取待测果园的图片或视频，并使用步骤2训练好的TREE‑YOLO V3网络进行识别，输出带标记的图片和TXT文件；利用矩形框的底边中点进行果树行参考线的拟合；基于拟合的果树行参考线进行果园机械行走路线拟合。该方法能够对果园机械行走路线进行准确高效的规划，有助于减轻工人工作量。

技术领域

本发明涉及智能农业装备技术领域，尤其涉及一种基于深度学习的果园机械行走路线规划方法。

背景技术

目前，在果园机械自动化进程中自动导航占据着重要地位，准确且快速的路径规划是提高果园机械导航精度和稳定性的关键技术之一。果园机械在果树行间自主行走作业可一定程度上提高作业效率，减轻工人的工作量和节约人力投入。果园机械的果树行参考路径提取可为果园机械视觉导航提供数据支持，机器视觉、电子罗盘和激光雷达获取的信息进行数据融合可以提高系统的可靠性。

现有技术在果树行识别时，算法复杂且效率低，容易受到强光和杂草环境的影响，适应性不强，还不能在果园机械视觉导航中应用，故亟需开发一种准确高效的果园机械行走路线规划方法。

发明内容

本发明的目的是提供一种基于深度学习的果园机械行走路线规划方法，该方法能够结合果园机械电子罗盘获取的方向数据，综合进行果园机械行走路线规划，促进果园机械自动导航技术应用。

本发明的目的是通过以下技术方案实现的：

一种基于深度学习的果园机械行走路线规划方法，所述方法包括：

步骤1、首先获取待规划果园的环境样本集；

步骤2、利用所述环境样本集对改进的YOLO V3神经网络进行训练，将改进后的YOLO V3神经网络取名为TREE-YOLO V3网络；

步骤3、实时获取待测果园的图片或视频，并使用步骤2训练好的TREE-YOLO V3网络进行识别，输出带标记的图片和TXT文件；其中，所述图片中用矩形框标出树和树干的位置；

步骤4、利用步骤3中矩形框的底边中点进行果树行参考线的拟合；

步骤5、基于步骤4拟合的果树行参考线进行果园机械行走路线拟合。

由上述本发明提供的技术方案可以看出，上述方法能够对果园机械行走路线进行准确高效的规划，为自动导航提供技术支持，有助于减轻工人工作量，为果园施肥、采摘等作业提供基础保障，促进果园作业向智能化进一步发展。

附图说明

为了更清楚地说明本发明实施例的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域的普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他附图。

图1为本发明实施例提供的基于深度学习的果园机械行走路线规划方法流程示意图；

图2为本发明实施例改进后的YOLO V3神经网络示意图；

图3为本发明实施例所述果园机械行进路线的规划示意图。

具体实施方式

下面结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明的保护范围。