改进深度学习框架Faster-RCNN的苹果目标检测

作者：李林升; 曾平平

来源：机械设计与研究, 2019, 35(05): 24-27.

DOI：10.13952/j.cnki.jofmdr.2019.0268

• 苹果
• 目标检测
• 深度学习
• 卷积神经网络

苹果图像的目标检测是研究苹果采摘机器人的关键技术。本研究以自然光源下的苹果图像为研究对象。首先,针对原始RPN结构的3×3单一小滑动窗口摄取特征信息有限问题,设置不同面积、不同尺寸的9个候选框,同时增加1个滑动窗口,以提高感受野的面积与强度,改进深度学习目标检测框架Faster-RCNN,进而搭建深度学习模型。然后,对图像标注目标的实际位置和类别标签,以苹果的测试集作为输出期望,经过训练得到模型的有效权值。实验结果表明,模型迭代3 000次后,改进模型的目标检测准确率为97.6%,而原始模型为95.3%。另外,改进的模型相对原始模型定位精度更高。

• 出版日期2019
• 单位电气学院; 上海电机学院; 南华大学