基于改进的Mask R-CNN自然场景下苹果识别研究

摘要：

在复杂自然场景下,苹果目标因具有成簇生长、重叠果实和光线变化大等特点,应用深度学习方法相比传统方法来实现果实的识别优势明显.提出基于Mask R-CNN网络检测分割架构,采用膨胀卷积的优化策略,通过候选框与像素分割相结合的思路,同时对输入苹果图像进行目标果实的识别.实验结果表明,基于Mask R-CNN框架改进的网络模型的识别性能较原始Mask R-CNN网络有较大提升.针对不同光照角度、不同颜色和不同大小的苹果,改进Mask R-CNN网络的F1值分别提升了 2.17％,1.87％和4.93％.

关键词：神经网络、目标检测、苹果采摘、Mask R-CNN、实例分割

所属期刊栏目：34

分类号：TP391.4(计算技术、计算机技术)

资助基金：江苏省自然科学青年基金资助项目;江苏省高等学校自然科学研究面上资助项目;常州市科技计划资助项目

在线出版日期：2022-04-26（万方平台首次上网日期，不代表论文的发表时间）

页数：共10页

页码：68-77