文献类型： 中文期刊

作者： 程自强 ¹ ; 黎健龙 ² ; 俞龙 ¹ ; 蒋泽宇 ¹ ; 黄少栋 ¹ ; 黄浩宜 ¹ ;

作者机构： 1.华南农业大学电子工程学院

2.广东省农业科学院饮用植物研究所

关键词： 农业AGV;茶园;视觉导航;边缘智能;路径识别;语义分割

期刊名称： 中国农机化学报

ISSN： 2095-5553

年卷期： 2025 年 46 卷 009 期

页码： 110-119

收录情况： 北大核心

摘要： 针对小型农业AGV在茶园垄间的视觉导航任务易受复杂环境因素干扰，存在准确性差、实时性不高和难以部署落地等问题，提出一种基于边缘智能的茶园垄间视觉导航路径识别方法。首先，实地采集和构建茶园道路数据集，对主流的U—Net、DeepLabv3+、BiSeNetv1、BiSeNetv2和PP—LiteSeg等语义分割网络进行性能评估试验，选定PP—LiteSeg为茶园道路分割任务的最优SOTA模型。其次，采用形态学算法动态获取茶园道路的感兴趣区域(ROI),并利用分段垂直投影法提取导航特征点。最后，引入三次B样条曲线对特征点进行线性拟合生成导航线，将算法模型成功部署到边缘计算平台Jetson TX2 NX上进行性能验证。结果表明，基于PP—LiteSeg构建的茶园道路分割模型平均交并比mIoU为93.52%,像素准确率PA为96.65%,参数量Params为8.04 M,浮点运算次数FLOPs为6.72 G,推理速度FPS为37.04 f/s,实现模型精度、速度和轻量化之间的平衡。在不同光照强度、杂草密度和茶垄间距条件下，导航路径识别平均像素误差mPE为8.05像素，边缘智能设备处理单帧图像平均耗时为132 ms,满足茶园作业场景下小型农业AGV视觉导航任务的实际应用需求。