| 基于改进Faster R-CNN的苹果采摘视觉定位与检测方法 |
| |
| 引用本文： | 李翠明,杨柯,申涛,尚拯宇.基于改进Faster R-CNN的苹果采摘视觉定位与检测方法[J].农业机械学报,2024,55(1):47-54. |
| |
| 作者姓名： | 李翠明 杨柯 申涛 尚拯宇 |
| |
| 作者单位： | 兰州理工大学 |
| |
| 基金项目： | 国家自然科学基金项目(52265065、51765031) |
| |
| 摘 要： | 针对采摘机器人对场景中目标分布密集、果实相互遮挡的检测及定位能力不理想问题，提出一种引入高效通道注意力机制(ECA)和多尺度融合特征金字塔(FPN)改进Faster R-CNN果实检测及定位方法。首先，利用表达能力较强的融合FPN的残差网络ResNet50替换原VGG16网络，消除了网络退化问题，进而提取更加抽象和丰富的语义信息，提升模型对多尺度和小目标的检测能力；其次，引入注意力机制ECA模块，使特征提取网络聚焦特征图像的局部高效信息，减少无效目标的干扰，提升模型检测精度；最后，采用一种枝叶插图数据增强方法改进苹果数据集，解决图像数据不足问题。基于构建的数据集，使用遗传算法优化K-means++聚类生成自适应锚框，提高模型定位准确性。试验结果表明，改进模型对可抓取和不可直接抓取苹果的精度均值分别为96.16%和86.95%，平均精度均值为92.79%，较传统Faster R-CNN提升15.68个百分点；对可抓取和不可直接抓取的苹果定位精度分别为97.14%和88.93%，较传统Faster R-CNN分别提高12.53个百分点和40.49个百分点；内存占用量减少38.20%，每帧平均计算时间缩短40.7%，改进后的模型参数量小且实时性好，能够更好地应用于果实采摘机器人视觉系统。
|
| 关 键 词： | 苹果采摘机器人 目标定位与检测 Faster R-CNN 注意力机制 特征金字塔 |
| 收稿时间： | 2023/6/26 0:00:00 |
Vision Detection Method for Picking Robots Based on Improved Faster R-CNN |
| |
| LI Cuiming,YANG Ke,SHEN Tao,SHANG Zhengyu.Vision Detection Method for Picking Robots Based on Improved Faster R-CNN[J].Transactions of the Chinese Society of Agricultural Machinery,2024,55(1):47-54. |
| |
| Authors: | LI Cuiming YANG Ke SHEN Tao SHANG Zhengyu |
| |
| Institution: | Lanzhou University of Technology |
| |
| Abstract: | |
| |
| Keywords: | |
|
| 点击此处可从《农业机械学报》浏览原始摘要信息 |
| 点击此处可从《农业机械学报》下载免费的PDF全文 |
