一种融合几何和深度学习的甘蔗高度测量方法

来源：电子测量技术杂志2025年第11期北京时间：

作者：蒋正中，杨鸿波，杨明浩，刘安琪

单位：1.北京信息科技大学自动化学院 北京 100192;2.中国科学院自动化研究所 北京 100190

摘要：甘蔗是一种具有全球经济意义的重要经济作物，其株高与产量的关系非常密切，而确定甘蔗的高度表征的传统方法依赖于人工检测，这是劳动密集型与耗时的。因此，本文收集了甘蔗作物在不同场景下的图像数据集，提出了轻量化改进的PSPNet和YOLOv5s模型，用于分割甘蔗主体与检测甘蔗顶梢位置。并且开发了一套自动测量机器人，其部署了改进后的模型来实时推理深度摄像头采集的图像，进而，设计云台自动化操作系统。最后，获取甘蔗位置与深度信息来计算甘蔗高度。实验结果表明，甘蔗高度测量方法的平均绝对误差小于2.4 cm、准确率高于97.61%、成功率高于93%、检测时间低于13.2 s，并且提出的甘蔗主干分割与顶梢检测模型参数大幅减小，精度分别保持在87%与97%左右。

关键词：甘蔗高度测量机器人;甘蔗图像分割;甘蔗检测;PSPNet;YOLOv5

基金资助：广西省科技计划重点研发项目（AB24010164，2024AB08020）、国家自然科学基金京津冀基础研究合作专项（F2024205028）资助