基于改进语义分割与三阶段渐进式规则推理的核桃修剪目标决策与修剪点定位方法

《Agriculture》：Deep Learning and Topology Analysis for Pruning Target Decision and Pruning Point Localization in Dormant Walnut Trees

　　

摘要

准确的修剪目标决策和修剪点定位是实现核桃智能修剪的关键，但由于休眠期枝条细长且交叠，对其进行分割仍面临很大挑战。本研究提出了一种改进的语义分割方法，并结合三阶段渐进式规则推理策略，用于修剪目标决策与修剪点定位。通过引入增强空洞空间金字塔池化模块（EABP-ASPP）和上下文感知门控特征融合模块（CAGF），开发了SAA-TransUNet模型，以提升树干和枝条的分割效果。对预测掩膜进行骨架化处理，基于端点、分叉点和枝条线段构建枝条拓扑结构。随后利用几何和拓扑特征，依次确定直立枝、内向枝和竞争枝的修剪目标并定位其修剪点。SAA-TransUNet的mIoU达到84.93%，分支IoU达到80.41%，后者相比原始TransUNet提升了13.05个百分点。在独立测试集上，修剪目标决策的整体准确率为86.34%，修剪点定位的平均误差为3.52像素，单张图像的平均处理时间为2.154秒。所提出的方法集成了枝条分割、拓扑分析、修剪目标决策和修剪点定位，为休眠期核桃树的后续机器人修剪操作提供了基础。