自然环境下多类水果采摘目标识别的通用改进SSD模型-农业工程学报.PDF

第 34 卷 第 16 期 农 业 工 程 学 报 Vol.34 No.16 2018 年 8 月 Transactions of the Chinese Society of Agricultural Engineering Aug. 2018 155 自然环境下多类水果采摘目标识别的通用改进SSD 模型 1 1 2 1 1 3 1※ 彭红星 ，黄 博 ，邵园园 ，李泽森 ，张朝武 ，陈 燕 ，熊俊涛 （1. 华南农业大学数学与信息学院/南方农业机械与装备关键技术教育部重点实验室，广州 510642 ； 2. 山东农业大学机械与电子工程学院，泰安 271018 ；3. 华南农业大学工程学院，广州 510642 ） 摘 要：为解决当前自然环境下水果识别率不高、泛化性不强等问题，该文以苹果、荔枝、脐橙、皇帝柑 4 种水果为研 究对象，提出了一种改进的 SSD （single shot multi-boxdetector ）深度学习水果检测模型：将经典SSD 深度学习模型中的 VGG16 输入模型替换为 ResNet-101 模型，并运用迁移学习方法和随机梯度下降算法优化 SSD 深度学习模型。该文基于 Caffe 深度学习框架，对自然环境下采集的水果图像进行不同网络模型、不同数据集大小和不同遮挡比例等多组水果识别 检测效果对比试验。试验表明：改进的 SSD 深度学习水果检测模型对 4 种水果在各种环境下的平均检测精度达到 88.4%， 高于经典 SSD 深度学习模型中的 86.38%，经过数据增强后平均检测精度可提升至 89.53%，在遮挡面积低于 50%的情况 下F 1 值能达到 96.12%，有较好的泛化性和鲁棒性，可以很好地实现自然环境下多类水果的精准检测，可为农业自动化采 摘中的水果识别检测问题提供新的方案。 关键词：图像识别；模型；算法；水果检测；深度学习；SSD；VGG16 ；ResNet-101 doi ：10.11975/j.issn.1002-6819.2018.16.020 中图分类号：TP391.41 文献标志码：A 文章编号：1002-6819(2018)-16-0155-08 彭红星，黄 博，邵园园，李泽森，张朝武，陈 燕，熊俊涛. 自然环境下多类水果采摘目标识别的通用改进 SSD 模型 [J]. 农业工程学报，2018，34(16)：155－162. doi ：10.11975/j.issn.1002-6819.2018.16.020 Peng Hongxing, Huang Bo, Shao Yuanyuan, Li Zesen, Zhang Chaowu, Chen Yan, Xiong Juntao. General improved SSD model for picking object recognition of multiple fruits in natural environment[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2018, 34(16): 155 － 162. (in Chinese with English abstract) doi ： 10.11975/j.issn.1002-6819.2018.16.020 融合色差信息和归一化 RGB 模型的分割技术，通过对分 0 引 言  割果实片段