.png){kind=icon}
返回
Two–stage multimodal 3D point localization framework for automatic grape harvesting
.png){kind=icon}
OA
AI
DOI：10.1016/j.atech.2025.101062.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
• 提出了一种两阶段多模态3D收获点定位框架。
• 提出了一种基于掩码引导的深度滤波和不规则深度补全方法。
• 提出了一种基于YOLOv11的实例分割和姿态估计轻量级模型。
• 处理速度在GPU上达到100.6 FPS，在CPU上达到27.6 FPS，仅需15.9 GFLOPs。
• 实现了99.2%的收获点精度，以及在600 mm内深度99.2%的召回率。
Keyword:
Grape
3D harvesting point
Multimodal
Depth filtering and completion
Lightweight and multi-scale model
期刊
IF:
5.7
论文数:
2.5K
被引数:
2.5K
机构
引用论文
分享收藏
Intelligent robots for fruit harvesting: recent developments and future challenges用于水果收获的智能机器人: 最新发展和未来挑战OAAI
OAAI分享收藏Realtime Picking Point Decision Algorithm of Trellis Grape for High-Speed Robotic Cut-and-Catch Harvesting用于高速机器人割接收获的格子葡萄实时采摘点决策算法.png)
AGRONOMY-BASELOAAI
AGRONOMY-BASELIF3.4
OAAI分享收藏Direct transformation of lignin into fluorescence-switchable graphene quantum dots and their application in ultrasensitive profiling of a physiological oxidantGreen Chemistry
Green ChemistryIF9.2
PREAI
分享收藏 没有更多内容
没有更多内容