摘要:為了提高獼猴桃采摘機(jī)器人的工作效率和對(duì)獼猴桃復(fù)雜生長環(huán)境的適應(yīng)性,識(shí)別廣域復(fù)雜環(huán)境下相互遮擋的獼猴桃目標(biāo),采用Im-AlexNet為特征提取層的Faster R-CNN目標(biāo)檢測(cè)算法,通過遷移學(xué)習(xí)微調(diào)Alex Net網(wǎng)絡(luò),修改全連接層L6、L7的節(jié)點(diǎn)數(shù)為768和256,以解決晴天(白天逆光、側(cè)逆光)、陰天及夜間補(bǔ)光條件下的廣域復(fù)雜環(huán)境中獼猴桃因枝葉遮擋或部分果實(shí)重疊遮擋所導(dǎo)致的識(shí)別精度較低等問題。采集廣域復(fù)雜環(huán)境中晴天逆光、晴天側(cè)逆光、陰天和夜間補(bǔ)光條件下存在遮擋情況的4類樣本圖像共1 823幅,建立試驗(yàn)樣本數(shù)據(jù)庫進(jìn)行訓(xùn)練并測(cè)試。試驗(yàn)結(jié)果表明:該方法對(duì)晴天逆光、晴天側(cè)逆光、陰天和夜間補(bǔ)光條件下存在遮擋情況的圖像識(shí)別精度為96. 00%,單幅圖像識(shí)別時(shí)間約為1 s。在相同數(shù)據(jù)集下,Im-AlexNet網(wǎng)絡(luò)識(shí)別精度比Le Net、Alex Net和VGG16 3種網(wǎng)絡(luò)識(shí)別精度的平均值高出5. 74個(gè)百分點(diǎn)。說明該算法能夠降低獼猴桃果實(shí)漏識(shí)別率和誤識(shí)別率,提高了識(shí)別精度。該算法能夠應(yīng)用于獼猴桃采摘機(jī)器人對(duì)廣域復(fù)雜環(huán)境下枝葉遮擋或部分果實(shí)重疊遮擋的準(zhǔn)確識(shí)別。
注:因版權(quán)方要求,不能公開全文,如需全文,請(qǐng)咨詢雜志社。
農(nóng)業(yè)機(jī)械學(xué)報(bào)雜志, 月刊,本刊重視學(xué)術(shù)導(dǎo)向,堅(jiān)持科學(xué)性、學(xué)術(shù)性、先進(jìn)性、創(chuàng)新性,刊載內(nèi)容涉及的欄目:特約專稿、農(nóng)業(yè)裝備與機(jī)械化工程、農(nóng)業(yè)信息化工程、農(nóng)業(yè)水土工程、農(nóng)業(yè)生物環(huán)境與能源工程、農(nóng)產(chǎn)品加工工程、車輛與動(dòng)力工程、機(jī)械設(shè)計(jì)制造及其自動(dòng)化等。于1957年經(jīng)新聞總署批準(zhǔn)的正規(guī)刊物。