实例分割与空间解析融合的番茄实时三维位姿估计方法OA

针对复杂种植环境中现有果实位姿估计方法精度低、实时性差等问题,该研究提出一种融合轻量化实例分割与空间解析的番茄实时三维位姿估计方法。通过构建改进的YOLOv7-M1轻量化网络,实现果实掩膜高精度提取与关键点感兴趣区域快速定位;设计HRNet-ECA嵌入高通量注意力机制提升检测准确率;搭建多模态数据融合框架,结合深度图与感兴趣区域,经点云滤波处理和空间几何计算实时获取果实三维位姿参数。试验结果表明,改进后的YOLOv7-M1掩膜分割平均精度为95.56%,召回率93.52%,准确率96.17%;改进后的HRNet-ECA关键点相似度为96.61%,位姿估计准确率95.00%,三维姿态角平均误差9.40°,关键点平均定位误差4.13 mm,关键点在X、Y、Z方向上的平均误差分别为3.41、2.95和1.02 mm。单果处理平均耗时0.063 s。该方法构建了轻量化实例分割网络与改进关键点检测模型的级联结构,结合点云空间解析,在保证精度指标同时兼顾实时效率,实现了番茄果实的高精度实时位姿估计,可为复杂农业场景下果蔬精准自动化采收提供高效的解决方案。