基于迁移学习的Faster R-CNN自然环境下香梨识别与检测研究

作者：曹冰玉; 邢文宣; 周鹏^*; 张洚宇; 张立; 张龙

来源：南方农机, 2022, 53(21): 11-14.

• 香梨
• Faster R-CNN
• 迁移学习

为解决自然环境下香梨识别度不高的问题，课题组以成熟香梨为研究对象，提出一种基于迁移学习的Faster R-CNN深度学习香梨识别与检测模型：将经典的Faster R-CNN深度学习模型中的Select Search提取候选框选取整合到网络中，并运用迁移学习方法来优化VGGNet卷积网络层次提高卷积神经网络性能，实现自然环境下香梨的快速识别。课题组基于深度学习框架与RPN区域建议网络模型，对自然环境下采集的香梨图像进行不同数据集大小和不同遮挡比例的多组识别效果对比实验，并利用MATLAB进行识别模型界面搭建。实验结果表明，采用迁移学习的Faster R-CNN方法能很好地实现自然环境下香梨的精准识别与检测，能够为香梨农业自动化采摘中的香梨识别检测问题提供研究基础。