基于深度学习的采摘机器人目标识别定位算法

• 作者: 王芳 崔丹丹 李林
• 来源期刊: 电子测量技术
• 学科: 工学
• 关键词: 采摘机器人 深度学习 卷积网络模型 特征提取 目标识别 坐标映射 定位
• 年，卷（期）: 2021,（20）
• 所属期刊栏目: 信息技术及图像处理|Information Technology and Image Processing
• 页码范围: 162-167
• 页数: 6页
• 分类号: TP391.41
• 语种: 中文
• DOI: 10.19651/j.cnki.emt.2107366

摘要

为了提升采摘机器人对果实的识别准确率以及定位定精度,提出一种基于深度学习Faster-RCNN框架的采摘机器人目标识别和定位算法.首先采用卷积神经网络VGG16模型提取输入图像的特性信息,并利用区域提议网络RPN生成含有目标的候选框,通过引入自适应候选框数的方法有效提升了算法性能,然后利用多任务损失函数对目标进行分类识别和预测框校正定位,从而得到目标在图像坐标系统的高精准度坐标,最后通过标定求解出采摘机器人手眼两个坐标系之间的映射关系,从而实现了对果实的精确识别和定位.通过对苹果的识别和定位实验结果表明,所提算法具有较高的识别度,平均精度达97.5％,且定位误差更低,最大误差仅为1.33 cm,可为智慧农业发展提供有力的技术支持.