基于改进Mask RCNN的复杂环境下苹果检测研究

摘要：

苹果检测是苹果采摘系统中的关键环节,为实现复杂环境下苹果采摘机器人视觉系统对苹果的识别和定位,提出一种基于深度学习的方法,通过改进的Mask RCNN网络对苹果进行检测研究.该方法在原始Mask RCNN网络的基础上,增加边界加权损失函数,能够使边界检测结果更为精确.训练后的模型在验证集下的AP值为92.62％.通过比较Mask RCNN与Faster RCNN、YOLO v3和传统分割算法K-means算法在不同数目,不同光照和绿色苹果情况下的检测效果,试验结果表明:Mask-RCNN的F1值和分割效果均高于其他算法,证明本文方法对复杂环境下的苹果有很好的检测效果,可为苹果产业中采摘机器人的视觉系统提供技术支持.

关键词：苹果检测、深度学习、采摘机器人、机器视觉

所属期刊栏目：40

分类号：TP391.4(计算技术、计算机技术)

资助基金：天津市重点研发计划科技支撑重点项目18YFZCNC01120

在线出版日期：2019-12-31（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：128-134