基于多元振荡黏菌算法的田路分割模型参数优化方法

Abstract : 田路分割是农机轨迹语义分割模型的重要任务之一，其目的是将轨迹自动分割为田间作业轨迹和道路行驶轨迹。田路分割模型的参数是影响其分割准确性及精度的关键因素，传统的参数选择方法效率较低且难以获得较好的方案，限制了模型的分割性能。因此，该研究选用基于方向分布的田路分割模型（Field-Road Trajectory Segmentation Based on Direction Distribution，BDFRTS），尝试从参数优化的角度研究模型的性能提升，提出的方法主要包括两个方面，首先建立了一种基于元启发式算法（Metaheuristic Algorithms，MA）的田路分割模型参数优化解决方案；其次，在黏菌算法（Slime Mould Algorithm，SMA）的基础上提出了一种改进的多元振荡黏菌算法（Multiplex Oscillation Slime Mould Algorithm，MOSMA）求解参数优化方案以更好地提高模型的分割性能。MOSMA 分别提出一种动态引导策略与多元振荡策略强化了黏菌的振荡收缩反应及细胞质的流动过程，进而增强了算法的优化能力。为验证所提参数优化方法的有效性，将博创联动提供的中国农机在 2021 年9 月底—10 月中下旬进行水稻收割的作业轨迹作为数据集开展试验。试验结果表明，该研究所提方法有效地提升了田路分割模型的准确性和性能。MOSMA-BDFRTS 分割模型在 10 组高密度轨迹中的平均准确率相比网格搜索田路分割模型、粒子群田路分割模型分别提高了 25 和 28 个百分点；在 10 组低密度轨迹中分割的平均准确率分别提高了 17 和 14 个百分点。该研究可为田路分割技术提供合理的性能优化方案，也为农业机械运动轨迹分割技术的效率研究提供参考依据。