首页|基于改进Mask RCNN的复杂环境下苹果检测研究

基于改进Mask RCNN的复杂环境下苹果检测研究

扫码查看
原文链接
  • NETL
  • NSTL
  • 万方数据
  • 维普
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.
Research on apple detection in complex environment based on improved Mask RCNN

岳有军、田博凯、王红君、赵辉

展开 >

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,天津市,300384

天津农学院,天津市,300384

苹果检测 深度学习 采摘机器人 机器视觉

天津市重点研发计划科技支撑重点项目

18YFZCNC01120

2019

中国农机化学报
农业部南京农业机械化研究所

中国农机化学报

北大核心
影响因子：0.684
ISSN：2095-5553
年,卷(期)：2019.40(10)
  • 24
  • 11