中国农业期刊集成服务平台

当前位置: 首页 > 文章 > 基于改进Mask RCNN的复杂环境下苹果检测研究中国农机化学报 2019 (10) 128-134

Position: Home > Articles > Research on apple detection in complex environment based on improved Mask RCNN Journal of Chinese Agricultural Mechanization 2019 (10) 128-134

基于改进Mask RCNN的复杂环境下苹果检测研究

作者：

岳有军;田博凯;王红君;赵辉

单位：

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

关键词：

苹果检测;深度学习;采摘机器人;机器视觉

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。

译名：

Research on apple detection in complex environment based on improved Mask RCNN

作者：

Yue Youjun;Tian Bokai;Wang Hongjun;Zhao Hui;Tianjin Key Laboratory of Complex System Control Theory and Applications, Tianjin University of Technology;Tianjin Agricultural College;

关键词：

apple detection;;deep learning;;picking robot;;machine vision

摘要：

Apple detection is a crucial link in the apple picking system. In order to realize the apple picking robot vision system's identification and location of apples in a complex environment, this paper proposes a deep learning-based method to detect apples through improved Mask RCNN network. Based on the original Mask RCNN network, this method adds a boundary weight loss function, which can make the boundary detection result more accurate. The trained model has an AP value of 92.62% under the verification set. By comparing the detection effects of Mask RCNN, Faster RCNN, YOLO v3 and traditional segmentation algorithm K-means in different numbers, different illumination and green apple, the experimental results show that the F1 value and segmentation effect of Mask-RCNN are higher than other algorithms. The result proves that this method has a good detection effect on apples in complex environments, and it can provide technical support for the vision system of picking robots in the apple industry.

相似文章

基于改进FCOS网络的自然环境下苹果检测 [龙燕, 李南南, 高研, 何梦菲, 宋怀波] 农业工程学报 2021 (12) 307-313
基于改进RetinaNet的果园复杂环境下苹果检测 [孙俊, 钱磊, 朱伟栋, 周鑫, 戴春霞, 武小红] 农业工程学报 2022 (15) 314-322
基于改进YOLO v4的自然环境苹果轻量级检测方法 [王卓, 王健, 王枭雄, 时佳, 白晓平, 赵泳嘉] 农业机械学报 2022 (8) 294-302
融合轻量化网络与注意力机制的果园环境下苹果检测方法 [胡广锐, 周建国, 陈超, 李传林, 孙丽娟, 陈雨, 张硕, 陈军] 农业工程学报 2022 (19) 131-142
基于改进YOLOv5网络的疏果前苹果检测方法 [姜国权, 杨正元, 霍占强, 罗军伟, 赵翠君] 江苏农业科学 2023,51 (14) 205-215

导出引用

计量

文章访问数: 22

HTML全文浏览量: 0

PDF下载量: 0

基于改进Mask RCNN的复杂环境下苹果检测研究

相似文章

所属期刊

中国农机化学报

推荐期刊

江苏农业科学

农业工程学报