YOLO-RD-Apple果园异源图像遮挡果实检测模型

作者：郝鹏飞; 刘立群^*; 顾任远

来源：图学学报, 2023, 44(03): 456-464.

• 目标检测
• 异源图像
• YOLOv4
• 苹果采摘
• 注意力机制

为探索在自然苹果园环境中对高度遮挡果实进行机器人自动化采摘，提出基于RGB与Depth图像双输入的YOLO-RD-Apple果园异源图像遮挡果实检测模型。使用轻量化的MobileNetV2并在此基础上设计的更加轻量化的MobileNetV2-Lite分别作为RGB和Depth图像的特征提取器，保证特征提取能力的同时降低网络的计算量；将CSPNet与深度可分离卷积结合SE注意力模块，提出全新的SE-DWCSP3模块对PANet结构进行改进，提升网络对于残缺苹果目标的特征提取能力；引入Soft NMS算法替代一般NMS算法，以减少对密集目标的错误抑制现象，降低被遮挡苹果的漏检率。实验结果表明，YOLO-RD-Apple在自然遮挡苹果数据集上性能优秀，在测试集上的AP值达到93.1%，较YOLOv4提升了1.4%，参数量则降低了70%，在GPU(V100)的检测速度达到40.5 FPS，较YOLOv4速度提升了12.5%，在检测精度和速度上均有不同程度地提升，同时降低了网络参数量，更加适用于实际果园苹果采摘场景。

• 单位
  甘肃农业大学