文献类型： 中文期刊

作者： 许伟浩 ¹ ; 李斌 ² ; 林森 ² ; 郑书河 ¹ ; 郎冲冲 ² ; 李涛 ² ; 董创 ² ; 郭文忠 ² ;

作者机构： 1.福建农林大学机电工程学院

2.北京农业智能装备技术研究中心

关键词： 番茄;局部点云;深度学习;非接触;质量估测

期刊名称： 农业工程

ISSN：

年卷期： 2021 年 002 期

页码： 26-33

摘要： 针对目前非离株番茄果实的非接触式单果质量快速估测困难等问题,提出了一种基于局部点云和卷积神经网络的番茄单果质量估测方法。以浙粉702番茄为试验对象,首先通过深度相机采集50个番茄单果的336块原始点云,并增强至1 344块点云用于构建数据集。通过多种点云分割方法比较,选取三维连续卷积神经网络用于番茄单果分割。于分割后的数据提取点云沿x轴轴向尺寸d_x、沿y轴轴向尺寸d_y、沿z轴轴向尺寸d_z和沿z轴投影最小外接圆直径d共4个空间特征信息,并将其馈送到3层回归网络中,用于训练、确定优化器和学习率达到最优状况下的单果质量估测模型。最后,选取268块增强点云对构建的数学模型进行测试,并进行模型准确性和稳定性评估分析。结果表明,与番茄单果实际质量相比,平均偏差3.7～4.8 g,平均相对误差约3.04%,优于传统图像处理方法。该研究可为其他农畜产品的非接触式单果质量估测提供技术参考。