基于级联卷积神经网络的番茄果实目标检测

摘要：

为了使采摘机器人在收获番茄时更加精准地识别目标果实,采用改进后的Cascade RCNN网络对温室内的番茄果实进行目标检测.将Cascade RCNN网络中的非极大值抑制算法替换为Soft-NMS(soft non-maximum suppression)算法,采用适合番茄形状的锚框,增强网络对重叠果实的识别能力,与原Cascade RCNN网络相比,目标识别的准确率提高了近2％,在识别番茄果实的同时,该网络对番茄的成熟度进行了简单分类.为进一步验证网络性能,将改进网络与经典的Faster RCNN网络和YOLOv3网络进行对比.实验结果表明,改进网络能够准确地识别出番茄果实,并对成熟番茄与未成熟番茄做出区分.该方法可为温室内番茄果实的采摘提供技术支持.

关键词：深度学习、卷积神经网络、目标检测、番茄果实、Cascade RCNN

所属期刊栏目：21

分类号：TP391.41(计算技术、计算机技术)

资助基金：天津市科技支撑计划17ZXYENC00080,18YFZCNC01120,15ZXZNGX00290

在线出版日期：2021-04-15（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：2387-2391