Änderung der Aufgabenstellung zur Verbesserung der Erkennung von Süßpaprika für die robotergestützte Ernte

Dieser Brief präsentiert eine Methode zur Verbesserung der Erkennung für die robotergestützte Ernte, indem die Aufgabenstellung in Echtzeit in einem adaptiven Schwellenwertalgorithmus geändert wird. Der adaptive Schwellenwertalgorithmus besteht aus drei Hauptteilen: 3-D adaptives Schwellenwertverfahren, Objekterkennung und Fusion. Optimale lokale 3-D-Schwellenwerte, die zuvor gemäß den sich ändernden Beleuchtungsbedingungen bestimmt wurden, wurden in dieser Forschung erweitert, um auch sich ändernde Aufgabenstellungen einzubeziehen. Die Aufgabenstellungen beschreiben die Beziehungen zwischen der Rate falscher Positiver, der Rate echter Positiver und der Genauigkeit im Standort. Das erste Aufgabenziel zielt darauf ab, die Erkennung zu maximieren und Fehlalarme zu minimieren, um sicherzustellen, dass der Arm nur auf echte Früchte gerichtet ist. Das zweite Aufgabenziel konzentriert sich auf eine hohe Genauigkeit bei der Erkennung. Intensive Bewertungen wurden an Datenbanken durchgeführt, die 240 Bilder enthielten, die im Feld mit verschiedenen künstlichen Beleuchtungsanordnungen aufgenommen wurden. Der Unterschied zwischen den beiden Aufgabenstellungen betrug im Durchschnitt 0,09 in den Erkennungsraten und 0,66 cm in der Genauigkeit. Roboterversuche ergaben einen Unterschied von 26,6 % in der Erfolgsquote beim Greifen von Paprika mit zwei verschiedenen Aufgabenstellungen, was die Bedeutung der Änderung der Aufgabenstellungen für die Früherkennung verdeutlicht.