English

Journal of Chinese Agricultural Mechanization

Journal of Chinese Agricultural Mechanization ›› 2019, Vol. 40 ›› Issue (10): 128-134.DOI: 10.13733/j.jcam.issn.2095-5553.2019.10.22

Previous Articles     Next Articles

  

  • Online:2019-10-15 Published:2019-10-15

基于改进Mask RCNN的复杂环境下苹果检测研究

岳有军;田博凯;王红君;赵辉;   

  1. 天津理工大学天津市复杂系统控制理论与应用重点实验室;天津农学院;
  • 基金资助:
    天津市重点研发计划科技支撑重点项目(18YFZCNC01120)

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

CLC Number: