MOSP: A Multi-Orientation Sequential Picking Planning for Robotic Harvest of Breeding Cotton
棉花的导向识别和定位
模块1：OrentCot-YOLO模块（机器人的"眼睛"）
给机器人装了个专门识别棉花的AI模型，找到了棉花，还得分清它朝哪个方向
基础模型：YOLOv11
针对性改造（关键优化）：
输入预处理：给图片做亮度、对比亮度整
特征提取优化:加了一层卷积层、加了SE注意力模块
特征融合优化：调整了模型里不同尺寸特征的通道数，让它能同时识别不同尺寸的棉花特征，计算量少了38%
检测头优化：改了模型的输出部分，不用预设锚框，结合专门的损失函数，提升密集小棉花的识别准确率
模块2：棉花三维定位
核心原理：用相机的投影模型，把2D图片里的棉花位置，转换成3D空间坐标
具体步骤：第一步：在RGB图片里，用YOLO模型找到棉花，标出它在图片里的像素坐标（U,V）
第二步：用深度相机拍的对齐深度图，找到棉花对应的深度值
第三步：用相机的内参（焦距f，光心坐标c）
模块3：目标优先级选择（机器人采摘顺序）
第一步：按行筛选：先按机器人前进方向（Y轴）给棉花排序，优先采摘前面的
第二步：筛选候选目标，以当前要摘的棉花未参考，只选和它Y轴方向不超过50-150mm的棉花，保证采摘的连续性
第三步：距离加权，计算机械臂当前位置和每个候选棉花的三维距离，距离越近优先级越高
模块4：收获导向判断（机器人的采摘姿势）
棉花有朝向，机械臂不能谁便伸手过去摘，不然容易把棉花碰掉，所以要根据棉花的朝向选择最合适的采摘面
核心思路：把棉花的朝向和机械臂的5个采摘面做匹配，选方向最贴合的哪个面去摘