自然环境下多类水果采摘目标识别的通用改进SSD模型

• Published in: 农业工程学报 Vol. 34; no. 16; pp. 155 - 162
• Main Authors: 彭红星, 黄博, 邵园园, 李泽森, 张朝武, 陈燕, 熊俊涛
• Format: Journal Article
• Language: Chinese
• Published: 华南农业大学数学与信息学院/南方农业机械与装备关键技术教育部重点实验室,广州,510642%山东农业大学机械与电子工程学院,泰安,271018%华南农业大学工程学院,广州,510642 15.08.2018
• Subjects: 算法; 水果检测; SSD; VGG16; ResNet-101; 模型; 深度学习; 图像识别
• ISSN: 1002-6819
• DOI: 10.11975/j.issn.1002-6819.2018.16.020

TP391.41; 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ResNet-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.