基于PP-YOLO改进算法的脐橙果实实时检测

摘要：

深度学习已被广泛应用于智能采摘领域,消除不同环境场景对目标识别和检测产生的不利影响,对采摘机器人实现精准高效的工作至关重要.采用基于单阶段目标检测网络改进的PP-YOLO模型对树上成熟脐橙的识别进行研究,通过添加可变形卷积的主干网络ResNet提取特征,结合特征金字塔网络(FPN)进行特征融合,实现多尺度检测,并采用K-means聚类算法得到与目标脐橙适宜的anchor尺寸,减少训练时间及预测框置信度误差.实验结果表明:改进的PP-YOLO检测模型可完成晴天逆光、晴天顺光和阴天环境下的脐橙检测任务,检测准确率分别为90.81％、92.46％和94.31％,检测速度可达到72.30 fps、73.71 fps和74.90 fps,可以尝试在脐橙采摘机器人的研制中加以应用.

关键词：脐橙、目标检测、深度学习、改进的PP-YOLO

所属期刊栏目：36

分类号：TP391.41(计算技术、计算机技术)

资助基金：国家自然科学基金;江西省教育厅科学技术研究项目

在线出版日期：2022-11-10（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：58-66