基于改进SSD的果园行人实时检测方法

摘要：

农田障碍物的精确识别是无人农业车辆必不可少的关键技术之一.针对果园环境复杂难以准确检测出障碍物信息的问题,提出了一种改进单次多重检测器(Single shot multibox detector,SSD)深度学习目标检测方法,对田间障碍物中的行人进行识别.使用轻量化网络MobileNetV2作为SSD模型中的基础网络,以减少提取图像特征过程中所花费的时间及运算量,辅助网络层以反向残差结构结合空洞卷积作为基础结构进行位置预测,在综合多尺度特征的同时避免下采样操作带来的信息损失,基于Tensorflow深度学习框架,在卡耐基梅隆大学国家机器人工程中心的果园行人检测开放数据集上进行不同运动状态(运动、静止)、不同姿态(正常、非正常)和不同目标面积(大、中、小)的田间行人识别精度和识别速度的对比试验.试验表明,当IOU阀值为0.4时,改进的SSD模型田间行人检测模型的平均准确率和召回率分别达到了97.46％和91.65％,高于改进前SSD模型的96.87％和88.51％,并且参数量减少至原来的1/7,检测速度提高了187.5％,检测速度为62.50帧/s,模型具有较好的鲁棒性,可以较好地实现田间环境下行人的检测,为无人农机的避障决策提供依据.

关键词：无人农业车辆、行人检测、单次多重检测器、空洞卷积、MobileNetV2

所属期刊栏目：50

分类号：TP391(计算技术、计算机技术)

资助基金：国家自然科学基金项目5150195;江苏省国际科技合作项目BZ2017067;江苏省重点研发计划项目BE2018372;江苏省自然科学基金项目BK20181443;镇江市重点研发计划项目NY2018001;江苏高校青蓝工程项目

在线出版日期：2019-05-28（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：29-35,101