超级会员免费看
本文介绍了一种针对柑橘树冠实例分割的优化模型MSEU R-CNN，基于Mask R-CNN并结合SE模块和U-Net++，提升对果树特征的提取和分割精度。通过数据集制作、图像采集与标注，以及模型结构优化，旨在实现果树农药喷洒机器人的精准喷施。
📢：如果你也对机器人、人工智能感兴趣，看来我们志同道合✨
📢：不妨浏览一下我的博客主页【https://blog.csdn.net/weixin_51244852】
📢：文章若有幸对你有帮助，可点赞 👍 收藏 ⭐不迷路🙉
📢：内容若有错误，敬请留言 📝指正！原创文，转载请注明出处
一、引言
为准确获取柑橘树冠的生长信息，实现果树喷药机器人的精准喷施，对处于多种生长阶段的柑橘树冠进行图像分割为基础前提。而对树冠进行图像分割过程中面临的诸多问题。首先，难以从众多树冠候选个体中选择喷施对象。再者，树冠边缘的复杂性导致分割不够精细，从而影响对树冠特征参数的准确评估。
本章选取果园内的柑橘树为试验对象，基于深度相机搭建视觉感知系统，采集树冠的彩色和深度图像作为检测样本，用于训练实例分割模型，使用深度图像分割法剔除有效喷施范围外的冗余图像信息。为提高分割精度，提出一种在Mask R-CNN基础上改进的实例分割模型，称为MSEU R-CNN。将SE模块[68]与ResN
订阅专栏 解锁全文
1743
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
