自然场景下多目标苹果识别定位融合算法研究

作者：曹春卿; 张吴平^*; 李富忠; 韩冀皖; 余廷熙; 刘帅

来源：湖北农业科学, 2022, 61(07): 145-151.

DOI：10.14088/j.cnki.issn0439-8114.2022.07.027

• 苹果智能采摘
• 双目视觉
• YOLOv3
• 深度信息
• 算法

自然场景下苹果采摘对目标的精准识别和三维定位是苹果智能采摘设备的关键技术。融合YOLOv3算法和双目视觉技术，通过YOLOv3算法对多种自然场景下的样本进行训练，构建识别模型，利用双目视觉获取苹果图像，运用YOLOv3模型得到图像中目标苹果的二维坐标，再利用双目视觉视差原理得到深度坐标信息，从而实现对目标苹果的三维空间定位。将该算法应用于不同自然场景下苹果的识别和定位，并进行识别效果和定位精度的评价。结果表明，在光照不均、果实上存在阴影并且存在相互遮挡的情况下，最小相对误差为0.193%，最大相对误差为3.670%；在夜晚光照不足且存在相互遮挡的情况下，最小相对误差为0.831%，最大相对误差为4.417%；有露水在苹果表面形成反射并且果实存在相互遮挡的情况下，最小相对误差为0.176%，最大相对误差为4.205%；在光线较弱、阴影小、存在遮挡时，最小相对误差为0.168%，最大相对为误差3.776%。研究中所运用的算法只需适量样本就可以满足不同场景下的识别和定位训练，在不同场景下的mAP(mean Average Precision)达96.60%。该算法具有较强的稳定性，能够识别重叠、夜间、光照折射等不同应用场景下的目标苹果，能够较好地满足智能机器人在识别定位方面的精度需求。

• 单位
  山西农业大学