改进深度学习框架Faster-RCNN的苹果目标检测

• 作者: 曾平平 李林升
• 来源期刊: 机械设计与研究
• 学科: 农学
• 关键词: 苹果 目标检测 深度学习 卷积神经网络
• 年，卷（期）: 2019,（5）
• 所属期刊栏目: 新系统 新装置 新机构
• 页码范围: 24-27
• 页数: 4页
• 分类号: TP391.41|S661.1
• 语种: 中文

摘要

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.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李林升		4	0	0.0	0.0
2	曾平平		2	0	0.0	0.0