北京邮电大学学报 ›› 2025, Vol. 48 ›› Issue (1): 73-78.
基于边缘智能的田间道路缺陷检测方法
陈泽宇1, 古 月1, 程思瑶1,2,3, 冯国惠4
1. 哈尔滨工业大学 计算机科学与技术学院;
2. 哈尔滨工业大学 智慧农场技术与系统全国重点实验室;
3. 哈尔滨工业大学 中国移动 5G 应用创新联合研究院; 4. 北大荒农垦集团有限公司 北大荒信息有限公司
Field Road Defect Detection Method Based on Edge Intelligence
CHEN Zeyu1, GU Yue1, CHENG Siyao1,2,3, FENG Guohui4
1. School of Computer Science and Technology, Harbin Institute of Technology;
2. National Key Laboratory of Smart Farm Technologies and Systems, Harbin Institute of Technology;
3. China Mobile 5G Application Innovation Joint Research Institute, Harbin Institute of Technology; 4. Beidahuang Information Company Limited, Beidahuang Group Company Limited
摘要: 在智慧农机的自主作业任务中,实时的田间道路缺陷检测是确保农机安全工作的关键。但现有道路缺陷检测技术在农业领域研究尚浅,也缺乏针对田间道路的数据集。为得到针对田间道路的缺陷检测模型,首先使用常规道路坑洼数据集训练模型,再利用模拟田间道路坑洼数据集对上述模型进行迁移学习。而为了解决模型在迁移学习后检测精度下降的问题,通过在YOLOv5s网络架构中引入注意力机制来提升网络精度,使田间道路缺陷检测模型检测精度达到83.15%,满足了田间道路缺陷检测的精度要求。为了验证缺陷检测模型的边缘性能,将模型部署到JetsonNano上进行模拟实验。为达到田间道路缺陷检测模型在边缘端的实时检测要求,通过TensorRT技术对模型优化和压缩,使得坑洼检测速度由396ms/帧提升至157ms/帧。
中图分类号: