基于边缘智能的茶园垄间视觉导航路径识别

来源：中国农机化学报杂志2025年第9期北京时间：

作者：程自强, 黎健龙, 俞龙, 蒋泽宇, 黄少栋, 黄浩宜

单位：（1. 华南农业大学电子工程学院，广州市，510642； 2. 广东省农业科学院茶叶研究所，广州市，510640）

摘要：针对小型农业AGV在茶园垄间的视觉导航任务易受复杂环境因素干扰，存在准确性差、实时性不高和难以部署落地等问题，提出一种基于边缘智能的茶园垄间视觉导航路径识别方法。首先，实地采集和构建茶园道路数据集，对主流的U—Net、DeepLabv3+、BiSeNetv1、BiSeNetv2和PP—LiteSeg等语义分割网络进行性能评估试验，选定PP—LiteSeg为茶园道路分割任务的最优SOTA模型。其次，采用形态学算法动态获取茶园道路的感兴趣区域（ROI），并利用分段垂直投影法提取导航特征点。最后，引入三次B样条曲线对特征点进行线性拟合生成导航线，将算法模型成功部署到边缘计算平台Jetson TX2 NX上进行性能验证。结果表明，基于PP—LiteSeg构建的茶园道路分割模型平均交并比mIoU为93.52%，像素准确率PA为96.65%，参数量Params为8.04 M，浮点运算次数FLOPs为6.72 G，推理速度FPS为37.04 f/s，实现模型精度、速度和轻量化之间的平衡。在不同光照强度、杂草密度和茶垄间距条件下，导航路径识别平均像素误差mPE为8.05像素，边缘智能设备处理单帧图像平均耗时为132 ms，满足茶园作业场景下小型农业AGV视觉导航任务的实际应用需求。

关键词：农业AGV,茶园,视觉导航,边缘智能,路径识别,语义分割

基金资助：现代农业产业技术体系建设专项 （CARS—19）；广东省重点领域研发计划项目（2023B0202120001）；广东省甘蔗剑麻产业技术体系创新团队（2023KJ104—11）