基于深度学习的森林移动机器人树干检测

国家自然科学基金（32202147）

摘要

基于视觉导航的森林移动机器人具有机器人作为边缘设备算力有限、导航效果受光照影响较大的问题。为此，提出一种轻量化的树干检测方法，该方法基于YOLOv7-tiny模型，采用可见光图像与热成像图像作为输入，导航效果受光照影响较小；同时采用基于部分通道卷积（Partial Convolution,PConv）的特征提取模块-部分通道卷积高效层聚合网络（Partial Efficient Layer Aggregation Networks,P-ELAN），对基准模型进行轻量化改进；在训练阶段用alpha-CIoU损失函数替换原始的CIoU损失函数，提高边界框回归的准确性。结果表明，所提出的森林移动机器人树干检测方法相较于原始YOLOv7-tiny模型参数量减少31.7%，计算量减少33.3%，在图形处理器（Graphics Processing Unit,GPU）和中央处理器（Central Processing Unit,CPU）上的推理速度分别提升了33.3%和7.8%。修改后的模型在保持对树干检测精度基本不变的基础上更加轻量化，成为部署在机器人等边缘设备上的理想选择。

关键词

树干检测 / 森林移动机器人 / 目标检测 / 热成像 / 轻量化