自然环境下多类水果采摘目标识别的通用改进SSD模型

作者：彭红星; 黄博; 邵园园; 李泽森; 张朝武; 陈燕; 熊俊涛^*

来源：农业工程学报, 2018, 34(16): 155-162.

• 图像识别
• 模型
• 算法
• 水果检测
• 深度学习
• SSD
• VGG16
• ResNet-101

为解决当前自然环境下水果识别率不高、泛化性不强等问题,该文以苹果、荔枝、脐橙、皇帝柑4种水果为研究对象,提出了一种改进的SSD(single shot multi-boxdetector)深度学习水果检测模型:将经典SSD深度学习模型中的VGG16输入模型替换为Res Net-101模型,并运用迁移学习方法和随机梯度下降算法优化SSD深度学习模型。该文基于Caffe深度学习框架,对自然环境下采集的水果图像进行不同网络模型、不同数据集大小和不同遮挡比例等多组水果识别检测效果对比试验。试验表明:改进的SSD深度学习水果检测模型对4种水果在各种环境下的平均检测精度达到88.4%,高于经典SSD深度学习模型中的86.38%,经过数据增强后平均检测精度可提升至89.53%,在遮挡面积低于50%的情况下F1值能达到96.12%,有较好的泛化性和鲁棒性,可以很好地实现自然环境下多类水果的精准检测,可为农业自动化采摘中的水果识别检测问题提供新的方案。

• 单位
  山东农业大学; 华南农业大学; 电子工程学院