發(fā)布時(shí)間：2021-04-09 14:57

　　智慧農(nóng)業(yè)是未來(lái)農(nóng)業(yè)發(fā)展的方向,農(nóng)業(yè)機(jī)械在人工智能的驅(qū)動(dòng)下向智慧農(nóng)機(jī)發(fā)展,是傳統(tǒng)農(nóng)業(yè)向智慧農(nóng)業(yè)全面轉(zhuǎn)型的關(guān)鍵環(huán)節(jié)。近年來(lái),無(wú)人農(nóng)機(jī)有助于解放勞動(dòng)力,提高勞動(dòng)效率,得到了快速的發(fā)展。在無(wú)人農(nóng)機(jī)的安全作業(yè)中,障礙物檢測(cè)是必不可少的關(guān)鍵技術(shù)之一,其中行人檢測(cè)又是障礙物檢測(cè)的重中之重。傳統(tǒng)的目標(biāo)檢測(cè)算法查準(zhǔn)率與查全率低,模型復(fù)雜,檢測(cè)速度慢。近年來(lái),深度學(xué)習(xí)算法有了長(zhǎng)足的發(fā)展,其中YOLOv3算法是行人檢測(cè)領(lǐng)域最先進(jìn)的算法之一。本文基于YOLOv3算法,對(duì)如何實(shí)現(xiàn)精準(zhǔn)且快速地果園環(huán)境下行人檢測(cè)展開深入研究。主要研究?jī)?nèi)容如下:（1）闡述了傳統(tǒng)目標(biāo)檢測(cè)算法和深度學(xué)習(xí)目標(biāo)檢測(cè)算法及原理。詳盡介紹了深度學(xué)習(xí)YOLO系列算法YOLOv1、YOLOv2和YOLOv3,并且將YOLOv3算法與其他主流算法比較,闡明了YOLOv3算法精度與速度等性能的優(yōu)越性,為本文選取YOLOv3作為行人檢測(cè)深度學(xué)習(xí)基礎(chǔ)算法提供了理論依據(jù)。（2）針對(duì)果園環(huán)境的特點(diǎn),提出了改進(jìn)的YOLOv3行人障礙物檢測(cè)算法。首先,將YOLOv3骨干網(wǎng)絡(luò)Darknet53更換為ResNet50網(wǎng)絡(luò),針對(duì)不同環(huán)境與場(chǎng)景的特點(diǎn)ResNet系列網(wǎng)絡(luò)更... 

【文章來(lái)源】：江蘇大學(xué)江蘇省

【文章頁(yè)數(shù)】：67 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

傳統(tǒng)目標(biāo)識(shí)別流程

江蘇大學(xué)碩士學(xué)位論文7Felzenszwalb提出的，DPM模型也是作為HOG檢測(cè)器的擴(kuò)展之一。DPM模型非常地直觀，它將目標(biāo)對(duì)象建模成幾個(gè)部件的組合，這也是就是后來(lái)深度學(xué)習(xí)領(lǐng)域“分而治之”檢測(cè)思想之一。例如，檢測(cè)一個(gè)“人”，DPM模型將人類表示成頭/手/大腿/小腿等部件，每個(gè)部件的位置不是固定的，也就是說(shuō)可以形變的，DPM模型考慮不同形變帶來(lái)的懲罰，也就是說(shuō)你的手不能離身體太遠(yuǎn)，否則就會(huì)扣分。而且每個(gè)部件和主體的相對(duì)位置是比較穩(wěn)定的，頭部在上方，手部在中間，腿在下邊。2.2基于深度學(xué)習(xí)的目標(biāo)檢測(cè)算法基于深度學(xué)習(xí)的檢測(cè)算法主要分為兩個(gè)方向：兩階段(two-stage)算法如R-CNN系列算法，單階段(one-stage)算法如YOLO系列算法、SSD算法等。2.2.1兩階段目標(biāo)檢測(cè)算法圖2.2兩階段目標(biāo)檢測(cè)算法Fig.2.2Twostagetargetdetectionalgorithm兩階段算法原理一般是生成相應(yīng)的樣本候選框，再通過(guò)卷積神經(jīng)網(wǎng)絡(luò)進(jìn)行樣本分類，需要使用selectivesearch的啟發(fā)式算法或者卷積神經(jīng)網(wǎng)絡(luò)產(chǎn)生候選區(qū)域，然后再在候選區(qū)域上做分類與回歸。由上圖2.2所示，輸入圖片通過(guò)窮舉機(jī)制或者selectivesearch算法產(chǎn)生候選區(qū)域，然后再通過(guò)候選區(qū)域進(jìn)行多分類和回歸，得到兩個(gè)輸出。兩階段算法在定位準(zhǔn)確度上占優(yōu)，但是經(jīng)過(guò)兩次運(yùn)算，速度上會(huì)相對(duì)較慢。2014年Girshick等人提出了使用卷積神經(jīng)網(wǎng)絡(luò)(CNN)提取特征區(qū)域(RegionProposal)

江蘇大學(xué)碩士學(xué)位論文92.2.2單階段目標(biāo)檢測(cè)算法圖2.3單階段目標(biāo)檢測(cè)算法Fig.2.3Onestagetargetdetectionalgorithm另一種是單階段（onestage）算法，其原理是使用一個(gè)卷積神經(jīng)網(wǎng)絡(luò)直接預(yù)測(cè)不同目標(biāo)的類別與位置，直接將輸入圖片分割成互不重合的小正方形，然后通過(guò)卷積層得到尺寸相同的特征圖，然后通過(guò)每個(gè)元素來(lái)預(yù)測(cè)那些中心點(diǎn)在該小方塊內(nèi)的目標(biāo)。由上圖2.3看出輸入圖片通過(guò)anchor機(jī)制直接進(jìn)行分類和回歸得到輸出，這也是為何其稱之為一階段(onestage)算法的原因。這類算法的速度是非�？斓�，往往是數(shù)倍甚至數(shù)十倍于兩階段(twostage)算法，但是其定位精度和識(shí)別準(zhǔn)確率又是會(huì)落后于兩階段(twostage)算法。2015年，Joseph等人首次提出了YOLO算法，YOLO算法采用一個(gè)單獨(dú)的卷積神經(jīng)網(wǎng)絡(luò)模型，可以實(shí)現(xiàn)端到端的目標(biāo)檢測(cè)，端到端目標(biāo)檢測(cè)的特點(diǎn)就是快速，也正如YOLO算法的全名那樣YouOnlyLookOnce，意思就是指該算法只需要進(jìn)行一次的卷積運(yùn)算。YOLO算法將輸入圖片進(jìn)行分割，分割成多個(gè)互不重合的小正方形，在進(jìn)行卷積運(yùn)算得到相同尺寸的特征圖，利用特征圖中的元素進(jìn)行中心點(diǎn)預(yù)測(cè)，預(yù)測(cè)中心點(diǎn)是否會(huì)在該小正方形中。2017年，Jisoo等人提出了RainbowSSD算法[40]，是SSD算法的一種改進(jìn)，也是單階段算法，SSD算法存在兩個(gè)問(wèn)題，一個(gè)是會(huì)對(duì)同一目標(biāo)進(jìn)行多次檢測(cè)，另一個(gè)是對(duì)小目標(biāo)的檢測(cè)率較低，RainbowSSD算法可以將不用尺度的特征圖融合起來(lái)，增加特征金字塔網(wǎng)絡(luò)層的特征圖數(shù)量來(lái)檢測(cè)小目標(biāo)物體，利用分類網(wǎng)絡(luò)增加不同層之間的特征圖的聯(lián)系，來(lái)減少重復(fù)框的出現(xiàn)避免對(duì)同一目標(biāo)進(jìn)行多次檢測(cè)。

【參考文獻(xiàn)】：
期刊論文
[1]無(wú)人農(nóng)用機(jī)械的應(yīng)用前景和普及問(wèn)題[J]. 王澤坤,徐佳男,王新鑫.  河北農(nóng)機(jī). 2020(01)
[2]一種結(jié)合Dropblock和Dropout的正則化策略[J]. 胡輝,司鳳洋,曾琛,舒文璐.  河南師范大學(xué)學(xué)報(bào)(自然科學(xué)版). 2019(06)
[3]特征增強(qiáng)的SSD算法及其在目標(biāo)檢測(cè)中的應(yīng)用[J]. 譚紅臣,李淑華,劉彬,劉秀平.  計(jì)算機(jī)輔助設(shè)計(jì)與圖形學(xué)學(xué)報(bào). 2019(04)
[4]基于改進(jìn)SSD的果園行人實(shí)時(shí)檢測(cè)方法[J]. 劉慧,張禮帥,沈躍,張健,吳邊.  農(nóng)業(yè)機(jī)械學(xué)報(bào). 2019(04)
[5]一種基于均勻分布策略的NSGAⅡ算法[J]. 喬俊飛,李霏,楊翠麗.  自動(dòng)化學(xué)報(bào). 2019(07)
[6]智慧農(nóng)機(jī)大數(shù)據(jù)平臺(tái)發(fā)展的問(wèn)題及對(duì)策[J]. 甄鳴,濤高波.  農(nóng)業(yè)經(jīng)濟(jì). 2018(12)
[7]融合邊界信息和顏色特征的顯著性區(qū)域檢測(cè)[J]. 王豪聰,張松龍,彭力.  計(jì)算機(jī)工程與應(yīng)用. 2019(03)
[8]推動(dòng)互聯(lián)網(wǎng)、大數(shù)據(jù)、人工智能和實(shí)體經(jīng)濟(jì)深度融合[J]. 雷尚君,李勇堅(jiān).  經(jīng)濟(jì)研究參考. 2018(08)
[9]基于多伯努利概率假設(shè)密度的擴(kuò)展目標(biāo)跟蹤方法[J]. 李文娟,顧紅,蘇衛(wèi)民.  電子與信息學(xué)報(bào). 2016(12)
[10]基于直線檢測(cè)的棋盤格角點(diǎn)自動(dòng)提取[J]. 李海,張憲民,陳忠.  光學(xué)精密工程. 2015(12)



本文編號(hào)：3127826