基于改進(jìn)YOLOv7 的果園行間導(dǎo)航線檢測

彭書博 ，陳兵旗 ※，李景彬 ，范鵬宣 ，劉翔業(yè) ，房 鑫 ，鄧紅濤 ，張雄楚

（1. 中國農(nóng)業(yè)大學(xué)工學(xué)院，北京 100083；2. 石河子大學(xué)機(jī)械電氣工程學(xué)院，石河子 832003）

0 引言

在農(nóng)田作業(yè)中，自動導(dǎo)航技術(shù)的發(fā)展給工作人員帶來了便利，作業(yè)效率相對提升，農(nóng)作物產(chǎn)量也隨之增加[1]。20 世紀(jì)90 年代以來，國內(nèi)外學(xué)術(shù)刊物上有較多的科研成果，主要集中在機(jī)器視覺導(dǎo)航方面；20 世紀(jì)90 年代中后期，國內(nèi)外對農(nóng)田導(dǎo)航的研究多集中在GPS（global positioning system）導(dǎo)航系統(tǒng)；經(jīng)過20 多年的發(fā)展，全球高精度GNSS（global navigation satellite system）農(nóng)田導(dǎo)航技術(shù)已日趨成熟，但其主要應(yīng)用于無作物耕地的導(dǎo)航[2]，而對于果樹等被葉片嚴(yán)重遮蓋的農(nóng)田，由于衛(wèi)星信號的丟失而造成定位精度下降。隨著數(shù)字照相技術(shù)和計(jì)算機(jī)技術(shù)的快速發(fā)展，當(dāng)前的視覺導(dǎo)航不僅具有更低的硬件成本，而且能夠應(yīng)用于耕作、播種、插秧、植保等農(nóng)事活動，是農(nóng)田作業(yè)機(jī)械實(shí)現(xiàn)自動導(dǎo)航的一個重要研究方向[3-5]。

本課題組前期對不同農(nóng)田作業(yè)條件下的導(dǎo)航路徑識別方法的研究，為本課題的實(shí)施提供了理論基礎(chǔ)、技術(shù)儲備與應(yīng)用經(jīng)驗(yàn)。CHEN 等[6]開發(fā)了一種水稻自動插秧機(jī)引導(dǎo)系統(tǒng)，對田端田埂和幼苗行列進(jìn)行提取，并且可以檢測出行列和田間的末端。趙穎等[7]提出了一種改進(jìn)的哈夫變換（Hough transformation）方法，求得所有方向上的候補(bǔ)點(diǎn)連接已知點(diǎn)斜率的最大值，經(jīng)過轉(zhuǎn)化得到導(dǎo)航線斜率。張紅霞等[8]根據(jù)農(nóng)田圖像特點(diǎn)，采用K均值聚類算法（K-means）實(shí)現(xiàn)農(nóng)作物與背景的分離，并通過定位點(diǎn)的位置信息對定位線進(jìn)行提取。李景彬等[9]先對圖像進(jìn)行濾波處理，再對第一幀圖像尋找候補(bǔ)點(diǎn)群、非第一幀圖像與前幀關(guān)聯(lián)尋找候補(bǔ)點(diǎn)群，最后通過已知點(diǎn)Hough 變換完成棉花種植生產(chǎn)過程中的導(dǎo)航路線自動提取。彭順正等[10]針對矮化密植棗園環(huán)境，提出“行閾值分割”和“行間區(qū)域”方法，將目標(biāo)和背景分離，并對行間噪聲進(jìn)行消除，準(zhǔn)確定位了主干與地面的交點(diǎn)。張雄楚等[11]提出在灰棗棗園中將像素值為0 的像素坐標(biāo)平均值作為Hough 變換的已知點(diǎn)坐標(biāo)進(jìn)行導(dǎo)航，在駿棗棗園中將每行像素上R（red，R）分量值最小的像素點(diǎn)平均值作為Hough 變換的已知點(diǎn)坐標(biāo)進(jìn)行導(dǎo)航。以上研究都是基于色彩變換的傳統(tǒng)圖像處理技術(shù)，在特定的農(nóng)田環(huán)境有適用性，但對果園的適應(yīng)性較弱。

神經(jīng)網(wǎng)絡(luò)是一種非常有效的學(xué)習(xí)方法。該算法能夠充分考慮不同場景下的真實(shí)農(nóng)業(yè)場景，具有較強(qiáng)的抗干擾能力，能夠很好地應(yīng)對光照、陰影等干擾，如今被廣泛地應(yīng)用到各個領(lǐng)域。吳偉斌等[12]在金字塔場景解析網(wǎng)絡(luò)（pyramid scene parsing network，PSPNet）的基礎(chǔ)上構(gòu)建了MS-PSPNet 語義分割模型，對山地果茶園道路進(jìn)行分割識別。韓振浩等[13]使用U-Net 語義分割算法獲取到路徑擬合點(diǎn)，接著對擬合點(diǎn)進(jìn)行多段擬合，最終形成導(dǎo)航路徑。YU 等[14]研究了5 種基于深度學(xué)習(xí)的機(jī)器視覺方法在不同野外場景下用于導(dǎo)航線的提取，并成功部署在系統(tǒng)上。LIU 等[15]將基于卷積神經(jīng)網(wǎng)絡(luò)（convolutional neural networks，CNN）的Faster R-CNN（faster region convolutional neural networks，F(xiàn)aster R-CNN）和SSD（single shot multiBox detector，SSD）目標(biāo)檢測模型應(yīng)用于稻田幼苗的識別和定位，以定位點(diǎn)進(jìn)行擬合提取導(dǎo)航線，結(jié)果表明，F(xiàn)aster R-CNN 精度更高但SSD 速度更快。張勤等[16]介紹了一種利用 YOLOv3 對水稻幼苗進(jìn)行目標(biāo)提取的方法,通過對幼苗圖像進(jìn)行灰度化、濾波，提取到幼苗的特征點(diǎn)，對特征點(diǎn)進(jìn)行最小二乘法進(jìn)行苗列中間線的擬合。以上所研究的深度學(xué)習(xí)算法能夠有效地解決一些應(yīng)用場景中傳統(tǒng)圖像處理算法難以處理的問題。

蘋果一般采用寬行距、窄株距的種植模式[17]，果園環(huán)境復(fù)雜多變，導(dǎo)致果園內(nèi)的光照和陰影呈現(xiàn)出非均勻分布的特點(diǎn)，傳統(tǒng)圖像處理技術(shù)普適性較差。視覺導(dǎo)航參照點(diǎn)的選擇是獲得正確導(dǎo)航線的關(guān)鍵[18]，果樹樹干根部中點(diǎn)位置是一個重要的特征點(diǎn)。在蘋果樹生長期間，果樹根部易被雜草等遮擋，造成果樹根點(diǎn)提取不準(zhǔn)確。

本文提出一種基于 YOLOv7 改進(jìn)的果樹樹干檢測算法，利用該模型獲得矩形邊框的底部中心坐標(biāo)，并將其作為定位參照點(diǎn)，通過最小二乘法對兩側(cè)果樹行線和導(dǎo)航線進(jìn)行擬合，以實(shí)現(xiàn)導(dǎo)航路徑的精準(zhǔn)規(guī)劃。

1 YOLOv7 模型

YOLOv7 網(wǎng)絡(luò)結(jié)構(gòu)主要由3 個部分組成，即輸入端（Input）、主干網(wǎng)絡(luò)（Backbone）、檢測頭網(wǎng)絡(luò)（Head），在檢測速率5～160 幀/s 范圍內(nèi)，該模型在速度和精度上有較大的優(yōu)勢[19]。輸入部分通常為640×640×3 尺寸的圖像，經(jīng)過預(yù)處理輸入到主干網(wǎng)絡(luò)中。主干網(wǎng)絡(luò)在YOLOv5 的基礎(chǔ)上引入 ELAN（efficient layer aggregation networks）結(jié)構(gòu)和MP1（max pooling，MP1）結(jié)構(gòu)，結(jié)合CBS 模塊對輸入的圖像進(jìn)行特征提取。其中，CBS 模塊由卷積（convolution）、標(biāo)準(zhǔn)化（batch normalization）、激活函數(shù)（SiLU）組成，ELAN 結(jié)構(gòu)由多個CBS 模塊進(jìn)行堆疊，MP1 結(jié)構(gòu)則通過最大池化層和卷積塊雙路徑分別對特征圖進(jìn)行壓縮。檢測頭網(wǎng)絡(luò)由SPPCSPC（spatial pyramid pooling,cross stage partial channel）結(jié)構(gòu)、引入ELAN-H 和MP2 結(jié)構(gòu)的特征提取網(wǎng)絡(luò)以及RepConv 結(jié)構(gòu)組成。由主干網(wǎng)絡(luò)輸出的3 個特征層在檢測頭網(wǎng)絡(luò)得到進(jìn)一步訓(xùn)練，經(jīng)過整合輸出3 個不同尺寸的預(yù)測結(jié)果，實(shí)現(xiàn)對目標(biāo)的多尺度檢測。

2 YOLOv7 網(wǎng)絡(luò)改進(jìn)

YOLOv7 模型對尺度較小或低分辨率的目標(biāo)信息識別能力不足，容易出現(xiàn)漏檢和誤檢的情況。而在果園圖像中，靠近相機(jī)的物體會占據(jù)更多的圖像空間，離相機(jī)較遠(yuǎn)的物體圖像空間占據(jù)少，看起來更小，這種“透視效果”對于果樹行遠(yuǎn)處的目標(biāo)樹干檢測提出了更高要求。另外，本文以矩形框的底邊中點(diǎn)坐標(biāo)作為果樹定位參照點(diǎn)，矩形框的準(zhǔn)確性對導(dǎo)航線的提取至關(guān)重要，因此提升矩形框的置信度以及準(zhǔn)確度，可以有效提高導(dǎo)航線的精度。

改進(jìn)YOLOv7 結(jié)構(gòu)如圖1 所示。本文首先在YOLOv7檢測頭網(wǎng)絡(luò)中引入CBAM 注意力機(jī)制，以提取蘋果樹干的關(guān)鍵特征信息，同時抑制樹干背景噪聲對檢測目標(biāo)的干擾，增強(qiáng)模型對目標(biāo)的識別能力，然后在ELAN-H 模塊和Repconv 模塊間增加一個針對低分辨率圖像和小目標(biāo)的 CNN 模塊SPD-Conv，以替代甚至消除卷積步長和池化層帶來的負(fù)面影響，提高模型對低分辨率和小目標(biāo)的檢測能力。

2.1 CBAM 注意力機(jī)制

為有效降低果園復(fù)雜環(huán)境的干擾，提升樹干識別檢測模型的魯棒性，本文在YOLOv7 的檢測頭網(wǎng)絡(luò)中引入CBAM 注意力機(jī)制，和SENet（squeeze-and-excitation networks）[20]只關(guān)注通道的注意力機(jī)制不同，它包括通道注意力模塊（channel attention module）和空間注意力模塊（spatial attention module）兩個部分。

通道注意力模塊用于計(jì)算每個通道的重要性。通過最大池化和平均池化對特征圖空間向量進(jìn)行池化操作，將池化結(jié)果輸入到多層感知機(jī)（shared multi-layer perception，Shared MLP）模型中，通過Sigmoid 函數(shù)生成通道注意力權(quán)重向量，從而更好地區(qū)分不同通道之間的特征。

空間注意力模塊用于計(jì)算每個像素在空間上的重要性，更好地捕捉圖像的空間結(jié)構(gòu)。空間注意力機(jī)制將通道注意力模塊得到的特征圖作為輸入，對其在空間維度上進(jìn)行最大池化和平均池化操作，然后進(jìn)行卷積操作，并通過Sigmoid 函數(shù)將其歸一化到[0,1]的范圍內(nèi)，最后與通道注意力模塊得到的特征圖進(jìn)行內(nèi)積運(yùn)算，得到最終的特征圖。

通道注意力和空間注意力的組合，使得網(wǎng)絡(luò)能夠更加準(zhǔn)確地捕捉到目標(biāo)的重要特征，提高網(wǎng)絡(luò)的表示能力和泛化能力[21]，從而實(shí)現(xiàn)對樹干關(guān)鍵特征的高效提取和特征增強(qiáng)，削弱環(huán)境背景干擾。

2.2 SPD-Conv 模塊

在蘋果樹干圖像中存在著一些小目標(biāo)，這些小目標(biāo)分辨率較低，特征學(xué)習(xí)受限；同時大目標(biāo)通常主導(dǎo)特征學(xué)習(xí)過程，致使小目標(biāo)無法檢測到。傳統(tǒng)CNN 架構(gòu)使用跨步卷積和池化層跳過具有大量冗余像素的信息，但在圖像分辨率低和小目標(biāo)識別任務(wù)中存在細(xì)粒度特征損失從而導(dǎo)致學(xué)習(xí)特征困難[22]。如圖1 所示，在YOLOv7 目標(biāo)檢測模型檢測頭網(wǎng)絡(luò)的ELAN-H 模塊后引入SPDConv 模塊可有效提升對低分辨率小目標(biāo)的檢測能力，減少漏檢、誤檢現(xiàn)象。

SPD-Conv 主要由一個SPD 層和一個非跨步卷積構(gòu)成。當(dāng)比例因子為2 時，在SPD 層部分，給定原始特征圖X尺寸為s×s×c1（s代表特征圖的長和寬，c1為特征圖的通道數(shù)），通過切片得到4 個子映射，它們的尺寸均為（s/2,s/2,c1），沿著通道維度將這些子特征映射連接起來，從而得到一個特征映射X′，它的空間維度減少了一個比例因子，通道維度增加了一個比例因子，尺寸為（s/2,s/2,4c1）。在SPD 特征轉(zhuǎn)換層之后，為了盡可能地保留所有的判別特征信息，添加一個具有c2通道數(shù)的無卷積步長層，其中c2＜4c1，特征圖尺寸變?yōu)椋╯/2,s/2,c2）。

3 試驗(yàn)與結(jié)果分析

3.1 數(shù)據(jù)采集及預(yù)處理

數(shù)據(jù)集采集于北京市昌平區(qū)的北京興壽農(nóng)業(yè)專業(yè)合作社，果園內(nèi)果樹樹形為紡錘形，種植行距約3.5 m，株距約2.5 m。數(shù)據(jù)集由PCBA-P1080P 工業(yè)攝像頭進(jìn)行采集，拍攝時水平手持?jǐn)z像頭，置于兩行果樹中央，距離地面1.5 m 左右，緩慢向前移動，并采集攝像頭正前方的圖像，包括不同光照亮度下的蘋果樹行間信息。共采集視頻28 條，平均時長在30 s 以上，對視頻進(jìn)行抽幀處理，得到數(shù)據(jù)集共1 588 張。將數(shù)據(jù)集進(jìn)行劃分，得到訓(xùn)練集1 264 張、驗(yàn)證集158 張、測試集158 張，使用LabelImg 進(jìn)行標(biāo)注，標(biāo)簽設(shè)置為tree。將完整的樹干標(biāo)定在矩形邊框內(nèi)，1 588 張圖像所標(biāo)記的蘋果樹干為11 043 個。圖像標(biāo)定完成后，所生成的標(biāo)簽以xml 文件保存，文件中包含了標(biāo)簽類別和矩形邊框的左上角和右下角坐標(biāo)。

3.2 試驗(yàn)環(huán)境與評價指標(biāo)

試驗(yàn)采用臺式計(jì)算機(jī)，處理器為Intel（R）Core（TM）i5-12 400 2.50 GHz，內(nèi)存為16 GB，GPU 為NVIDIA GeForce RTX 3 070，運(yùn)行環(huán)境為Windows10（64 位）操作系統(tǒng)，配置深度學(xué)習(xí)環(huán)境為Python=3.7.12+torch=1.7.1+torchvision=0.8.2，CUDA 版本為11.0。在訓(xùn)練過程中，對網(wǎng)絡(luò)模型使用隨機(jī)梯度下降法（stochastic gradient denset,SGD）進(jìn)行學(xué)習(xí)和更新網(wǎng)絡(luò)參數(shù)[23]，并采用余弦退火的學(xué)習(xí)率衰減方式，設(shè)定的部分超參數(shù)如表1 所示。

表1 網(wǎng)絡(luò)訓(xùn)練超參數(shù)Table 1 Network training hyperparameters

本文采用準(zhǔn)確率（precision，P）、召回率（recall，R）、精度均值（average precision，AP）參數(shù)量（parameters，Params）和畫面每秒傳輸幀數(shù)（frames per second，F(xiàn)PS）來共同對改進(jìn)模型進(jìn)行評價[24]。其中準(zhǔn)確率指模型正確預(yù)測為正的占全部預(yù)測為正的比例，召回率指正確預(yù)測為正的占全部實(shí)際為正的比例，參數(shù)量代表模型的空間復(fù)雜程度，每秒傳輸幀數(shù)評價模型的識別速度。相關(guān)計(jì)算式如下：

式中TP 為準(zhǔn)確識別出樹干的數(shù)量，F(xiàn)P 為非樹干被檢測為樹干的數(shù)量，F(xiàn)N 為未檢測出樹干的數(shù)量。

3.3 試驗(yàn)結(jié)果分析

為驗(yàn)證本文改進(jìn)YOLOv7 模型的優(yōu)勢，將其與Faster R-CNN、YOLOv7、YOLOv5、YOLOv4 進(jìn)行對比。在相同的硬件條件、數(shù)據(jù)集和試驗(yàn)參數(shù)下，試驗(yàn)結(jié)果如表2 所示?？梢钥闯觯倪M(jìn)后的模型檢測精度比Faster R-CNN、YOLOv7、YOLOv5、YOLOv4 分別高11.5、2.31、4.02、13.87 個百分點(diǎn)；檢測速度相對于YOLOv5、YOLOv4 較低，但高于Faster R-CNN 和原始YOLOv7 模型，滿足實(shí)時檢測的需要；在參數(shù)量方面，改進(jìn)YOLOv7 模型相比較原始YOLOv7 模型有一定增加，但遠(yuǎn)低于Faster R-CNN、YOLOv5、YOLOv4 模型。綜合比較，改進(jìn)后模型在蘋果樹干識別方面有較大的優(yōu)勢。

表2 不同模型試驗(yàn)結(jié)果對比Table 2 Comparison of different models test results

為進(jìn)一步驗(yàn)證本文改進(jìn)YOLOv7 模型中各改進(jìn)方法的有效性，對同一數(shù)據(jù)集以原始YOLOv7 模型為基礎(chǔ)進(jìn)行消融試驗(yàn)，試驗(yàn)設(shè)置參數(shù)與表1 相同，試驗(yàn)結(jié)果如表3 所示。在檢測頭網(wǎng)絡(luò)引入CBAM 注意力機(jī)制模塊，優(yōu)化了網(wǎng)絡(luò)結(jié)構(gòu)的特征融合能力，減小了圖像中背景的干擾，增強(qiáng)目標(biāo)果樹的關(guān)鍵特征；同時引入SPD-Conv模塊，提高對低分辨率圖像和小物體的識別效果，降低模型錯檢、漏檢率。如表3 所示，原始YOLOv7 模型精度為92.9%，引入CBAM 注意力機(jī)制模塊后模型精度為93.97%，比原始YOLOv7 模型提升了1.07 個百分點(diǎn)，本文算法精度達(dá)到了 95.21%，比引入 CBAM 注意力機(jī)制模型提升了1.24 個百分點(diǎn)，檢測速度提升了4.85 幀/s。

表3 消融試驗(yàn)結(jié)果Table 3 Ablation experiment results

3.4 檢測結(jié)果對比

為驗(yàn)證本文改進(jìn)算法對樹干識別的有效性和通用性，對原YOLOv7 模型和改進(jìn)YOLOv7 模型的檢測效果進(jìn)行比較，如圖2 所示。可以看出，對于場景1，原YOLOv7模型漏檢了右前方的一棵蘋果樹，且圖像左下角這棵樹的目標(biāo)框標(biāo)記不太準(zhǔn)確，改進(jìn)YOLOv7 模型則沒有出現(xiàn)這些問題；對于場景2，原YOLOv7 模型漏檢了遠(yuǎn)處特征不明顯的一顆小樹，改進(jìn)YOLOv7 模型則檢測成功且更為準(zhǔn)確；場景3 中棗樹較密，原YOLOv7 模型識別數(shù)量少，改進(jìn)YOLOv7 模型識別出大多數(shù)樹干。試驗(yàn)結(jié)果表明，改進(jìn)后的算法在蘋果園以及棗園環(huán)境中能夠更有效更準(zhǔn)確地檢測出目標(biāo)。此外，改進(jìn)YOLOv7 模型輸出的置信度值通常更高，這說明改進(jìn)后的網(wǎng)絡(luò)檢測能力更強(qiáng)，更能關(guān)注目標(biāo)的特征信息。

圖2 果樹樹干檢測效果對比Fig.2 Comparison of fruit tree trunk detection results

4 導(dǎo)航線檢測

4.1 定位參照點(diǎn)的獲取

定位參照點(diǎn)的正確提取對于獲得果園內(nèi)導(dǎo)航線至關(guān)重要[25]。蘋果樹干與樹冠在橫向面積上相差較大，且樹枝向外部延伸長短不一，導(dǎo)致樹干中心點(diǎn)橫坐標(biāo)與樹冠不同，另外果樹在種植時一般以樹干根點(diǎn)作為定位成行的基點(diǎn)，若以整棵樹的中心作為定位參照點(diǎn)，導(dǎo)航線誤差較大，因此選擇以蘋果樹干根部中心作為定位參照點(diǎn)。

通過YOLOv7 訓(xùn)練可得到目標(biāo)樹干的矩形邊框坐標(biāo)，進(jìn)而得到蘋果樹干的中心坐標(biāo)。設(shè)矩形邊框的左上角坐標(biāo)為（x1,y1），右下角的坐標(biāo)為（x2,y2），蘋果樹干根部中心坐標(biāo)（x,y）可以表示為

對圖2 中3 個場景進(jìn)行定位參照點(diǎn)提取，結(jié)果如圖3 所示，提取到的定位參照點(diǎn)用黃色標(biāo)記點(diǎn)表示，紅色標(biāo)記點(diǎn)為人工標(biāo)記樹干中點(diǎn)。

圖3 人工標(biāo)記樹干中點(diǎn)與定位參照點(diǎn)提取結(jié)果Fig.3 Extraction results of manual marking of trunk midpoints and locating reference points

4.2 定位參照點(diǎn)誤差分析

在測試集中隨機(jī)抽取100 張圖像共計(jì)769 棵蘋果樹干進(jìn)行定位參照點(diǎn)的誤差分析，以驗(yàn)證本文選擇定位參照點(diǎn)的效果。如圖4 所示，可以看出橫向誤差和縱向誤差大都集中在10 像素以內(nèi)，橫向誤差在10 像素以內(nèi)的有750 棵，占比97.5%，縱向誤差在10 像素以內(nèi)的有758 棵，占比98.5%，平均直線誤差為4.43 像素。

圖4 人工標(biāo)記樹干中點(diǎn)與定位參照點(diǎn)像素誤差Fig.4 Pixel error between manual marking of trunk midpoints and locating reference points

對相機(jī)進(jìn)行標(biāo)定，使用Matlab 軟件得到相機(jī)的內(nèi)參矩陣，通過計(jì)算將像素坐標(biāo)轉(zhuǎn)換成相機(jī)坐標(biāo)[26]繼而求出定位參照點(diǎn)與人工標(biāo)記樹干中點(diǎn)的實(shí)際平均誤差為8.85 cm，證明本文以矩形邊框底部中點(diǎn)代替樹干根部中點(diǎn)作為導(dǎo)航線定位參照點(diǎn)的有效性。

4.3 導(dǎo)航線擬合

導(dǎo)航線擬合算法常用的有三次樣條插值[27]、Hough變換[28]和最小二乘法[29]等。三次樣條插值曲線每兩個坐標(biāo)點(diǎn)之間都需要擬合一組參數(shù)，復(fù)雜度較高；Hough變換和最小二乘法都可以用于本研究導(dǎo)航線的擬合，但是由于目標(biāo)點(diǎn)較少，最小二乘法相對簡單快速，因此本研究選擇以最小二乘法進(jìn)行導(dǎo)航線的擬合。

最小二乘法的擬合原理是：給定一系列（xi,yi）,（i=1,2,3…N），假定x和y具有線性關(guān)系，即可以用y=Kx+B的方式進(jìn)行擬合。定義一個優(yōu)化函數(shù)，為了避免正負(fù)相消，使用實(shí)際觀察值與擬合值之間的差的平方和來定義：

當(dāng)f最小時，擬合效果最好，此時的K和B值為最優(yōu)參數(shù)。

在獲得左右兩列蘋果樹干的定位參照點(diǎn)坐標(biāo)后，進(jìn)行果樹行線的擬合。設(shè)單側(cè)樹干生成的20 個定位參照點(diǎn)坐標(biāo)為 (Xi,Yi),i=1,2,3,···m（Xi,Yi），i=1,2,3···20，通過最小二乘法對其進(jìn)行擬合，得到兩側(cè)果樹行線如圖5所示。在得到的兩側(cè)果樹行線上分別在垂直方向上等間隔取20 個點(diǎn)，坐標(biāo)記為（Xl,Yl），l=1,2,3…20；（Xr,Yr），r=1,2,3…20；將這左右各20 個點(diǎn)的x、y坐標(biāo)分別對應(yīng)求取平均值，可以得到位于兩側(cè)果樹行線中間的導(dǎo)航擬合線的20 個定位點(diǎn)，其坐標(biāo)為（Xp,Yp），p=1,2,3…20，表達(dá)式為

對定位點(diǎn)進(jìn)行最小二乘法計(jì)算，得到擬合導(dǎo)航線如圖6 中的黃色線段所示。圖中紅色線段為人工觀測導(dǎo)航線，是對兩側(cè)果樹人工標(biāo)記樹干中點(diǎn)進(jìn)行對應(yīng)求取平均值，再通過最小二乘法得到的。

圖6 擬合導(dǎo)航線和人工觀測導(dǎo)航線Fig.6 Fitting navigation line and manual observation navigation line

4.4 導(dǎo)航線提取精度分析

為分析擬合導(dǎo)航線與人工觀測導(dǎo)航線的誤差，引入偏差Xo，指人工觀測導(dǎo)航線的中點(diǎn)與擬合導(dǎo)航線中點(diǎn)的橫向像素距離。

對測試集中隨機(jī)抽取的100 張圖像進(jìn)行分析，得到Xo的統(tǒng)計(jì)結(jié)果，如圖7 所示。結(jié)果顯示，偏差均小于7.88 像素，平均偏差為2.45 像素，實(shí)際平均偏差為4.90 cm，滿足蘋果園內(nèi)導(dǎo)航的精確度要求。

圖7 導(dǎo)航線偏差分析Fig.7 Navigation line deviation analysis

4.5 導(dǎo)航線檢測速度分析

對導(dǎo)航線檢測速度進(jìn)行分析，讀入在不同光照條件下拍攝的3 條視頻，并記錄視頻幀數(shù)。在處理程序中設(shè)置計(jì)時器，對程序開始和程序結(jié)束時間進(jìn)行記錄。完成對讀入視頻的導(dǎo)航線檢測之后，用程序結(jié)束的時刻減去程序開始的時刻，即為視頻處理時長。將視頻處理時長除以視頻幀數(shù)，得到處理1 幀圖像的平均耗時。如表4 所示，3 段視頻平均耗時分別為0.047、0.040 和0.044 s/幀，總平均耗時為0.044 s/幀，滿足蘋果園內(nèi)導(dǎo)航的實(shí)時性需要。

表4 導(dǎo)航線提取速度分析Table 4 Navigation line extraction speed analysis

5 結(jié)論

本文提出一種改進(jìn)YOLOv7 模型，在模型的檢測頭網(wǎng)絡(luò)加入CBAM 注意力機(jī)制模塊，使卷積神經(jīng)網(wǎng)絡(luò)能夠去注意圖像中的特殊的和重要的信息；同時引入了SPD-Conv 模塊，使模型更適合處理低分辨率圖像。使用改進(jìn)YOLOv7 模型，可以更精確地獲得果樹樹干的坐標(biāo)信息，進(jìn)而通過最小二乘法擬合導(dǎo)航線。結(jié)果表明本文所研究方法檢測出的擬合導(dǎo)航線和人工觀測導(dǎo)航線誤差較小，可以滿足導(dǎo)航的需要。本文獲得了以下主要結(jié)論：

1）改進(jìn)模型在兼顧檢測速度的同時有效提升了檢測精度，且在蘋果園和樹干密集的棗園中都適用。原始YOLOv7 算法精度為92.9%，改進(jìn)后的YOLOv7 算法精度為95.21%，減少了在檢測過程中出現(xiàn)的誤檢、漏檢等情況。

2）采用矩形邊框的中點(diǎn)代替樹干根點(diǎn)作為定位參照點(diǎn)，對測試集中抽取的100 張圖像中的769 棵樹干進(jìn)行誤差分析，結(jié)果顯示橫向誤差在10 像素以內(nèi)的占比為97.5%；縱向誤差在10 像素以內(nèi)的占比為98.5%，證明了矩形邊框的中點(diǎn)代替樹干根點(diǎn)的可行性。

3）通過對定位參照點(diǎn)進(jìn)行最小二乘法計(jì)算得到擬合后的導(dǎo)航線。對測試集中抽取的100 張圖像進(jìn)行導(dǎo)航線誤差和速度分析，以擬合導(dǎo)航線的中點(diǎn)和人工觀測導(dǎo)航線中點(diǎn)的橫向像素距離作為依據(jù)，結(jié)果顯示偏差在7.88個像素以內(nèi)，平均偏差為2.45 像素，實(shí)際平均偏差為4.90 cm，處理1 幀圖像平均耗時為0.044 s，證明本文所采用提取導(dǎo)航線的方法具有較高的精確度。