一种结合特征加权和语义对齐的蔬菜垄间视觉导航方法与流程

1.一种结合特征加权和语义对齐的蔬菜垄间视觉导航方法，其特征在于，包括：

2.根据权利要求1所述的一种结合特征加权和语义对齐的蔬菜垄间视觉导航方法，其特征在于，所述多尺度特征加权的级联解码结构包括特征加权模块和流对齐模块，所述特征加权模块根据输入的不同尺寸特征图动态生成一组加权系数，并对特征图进行加权；所述流对齐模块将高层级特征和低层级特征进行语义对齐，通过将加权后的特征图与高层级特征进行级联融合，使低层级特征中的细节信息与高层级特征中的语义信息进行充分互补。

3.根据权利要求2所述的一种结合特征加权和语义对齐的蔬菜垄间视觉导航方法，其特征在于，所述特征加权模块被配置为执行以下步骤：

4.根据权利要求3所述的一种结合特征加权和语义对齐的蔬菜垄间视觉导航方法，其特征在于，所述对拼接得到的特征f施加自适应平均池化操作，包括：

5.根据权利要求2所述的一种结合特征加权和语义对齐的蔬菜垄间视觉导航方法，其特征在于，所述流对齐模块被配置为执行以下步骤：

6.根据权利要求1所述的一种结合特征加权和语义对齐的蔬菜垄间视觉导航方法，其特征在于，所述基于坐标注意力机制的主干网络被配置为执行以下步骤：

7.根据权利要求1所述的一种结合特征加权和语义对齐的蔬菜垄间视觉导航方法，其特征在于，所述基于坐标注意力机制的主干网络采用mobilenet-v2网络作为主干特征提取网络，所述mobilenet-v2网络采用深度可分离卷积和倒残差结构以降低模型参数量和计算复杂度。

8.根据权利要求1所述的一种结合特征加权和语义对齐的蔬菜垄间视觉导航方法，其特征在于，所述根据输出的分割结果拟合导航线，包括：

9.根据权利要求1所述的一种结合特征加权和语义对齐的蔬菜垄间视觉导航方法，其特征在于，所述对蔬菜图像进行标注，制作训练集和验证集，包括：

10.根据权利要求1所述的一种结合特征加权和语义对齐的蔬菜垄间视觉导航方法，其特征在于，所述蔬菜图像分割模型的分割指标包括平均交并比、平均像素准确率和浮点运算数；所述蔬菜图像分割模型采用模型推理速度、模型内存占用量和参数量来评估模型实时性能。