Vision based Crop Row Navigation under Varying Field Conditions in Arable Fields

要約

正確な作物列の検出は、実際の耕地に存在するさまざまな圃場条件によってしばしば挑戦されます。
従来の色ベースのセグメンテーションでは、このようなバリエーションすべてに対応することはできません。
農業環境における包括的なデータセットの欠如は、研究者が作物列を検出するための堅牢なセグメンテーション モデルを開発することを制限しています。
テンサイとトウモロコシの作物からの 11 のフィールド バリエーションを使用して、作物の列を検出するためのデータセットを提示します。
また、作物列フィールドでの視覚サーボ用の新しい作物列検出アルゴリズムも提示します。
私たちのアルゴリズムは、曲がった作物の列、雑草の存在、不連続性、成長段階、トラムライン、影、光のレベルなど、さまざまなフィールド条件に対して作物の列を検出できます。
私たちの方法は、ハスキーロボットの前面に取り付けられたカメラからのRGB画像のみを使用して、作物の列を予測します.
私たちの方法は、従来の色ベースの作物列検出ベースラインよりも優れていました。
列間スペース内の密集した雑草の存在と作物列の不連続性は、作物列検出アルゴリズムにとって最も困難なフィールド条件でした.
私たちの方法は、作物列の終わりを検出し、作物列の終わりに到達したときにロボットを枕地エリアに向かってナビゲートすることができます。

要約(オリジナル)

Accurate crop row detection is often challenged by the varying field conditions present in real-world arable fields. Traditional colour based segmentation is unable to cater for all such variations. The lack of comprehensive datasets in agricultural environments limits the researchers from developing robust segmentation models to detect crop rows. We present a dataset for crop row detection with 11 field variations from Sugar Beet and Maize crops. We also present a novel crop row detection algorithm for visual servoing in crop row fields. Our algorithm can detect crop rows against varying field conditions such as curved crop rows, weed presence, discontinuities, growth stages, tramlines, shadows and light levels. Our method only uses RGB images from a front-mounted camera on a Husky robot to predict crop rows. Our method outperformed the classic colour based crop row detection baseline. Dense weed presence within inter-row space and discontinuities in crop rows were the most challenging field conditions for our crop row detection algorithm. Our method can detect the end of the crop row and navigate the robot towards the headland area when it reaches the end of the crop row.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google