文献类型：期刊文章

作　　者：岳有军[1] 孙碧玉[1] 王红君[1] 赵辉[1,2]

YUE You-jun;SUN Bi-yu;WANG Hong-jun;ZHAO Hui(Tianjin Key Laboratory of Complex System Control Theory and Applications,School of Electrical and Electronic Engineering,Tianjin University of Technology,Tianjin 300384,China;College of Engineering and Technology,Tianjin Agricultural College,Tianjin 300392,China)

机构地区：[1]天津理工大学电气电子工程学院,天津市复杂控制理论与应用重点实验室,天津300384 [2]天津农学院工程技术学院,天津300392

出　　处：《科学技术与工程》

基　　金：天津市科技支撑计划(17ZXYENC00080,18YFZCNC01120,15ZXZNGX00290)。

年　　份：2021

卷　　号：21

期　　号：6

起止页码：2387-2391

语　　种：中文

收录情况：BDHX、BDHX2020、RCCSE、ZGKJHX、核心刊

摘　　要：为了使采摘机器人在收获番茄时更加精准地识别目标果实,采用改进后的Cascade RCNN网络对温室内的番茄果实进行目标检测。将Cascade RCNN网络中的非极大值抑制算法替换为Soft-NMS(soft non-maximum suppression)算法,采用适合番茄形状的锚框,增强网络对重叠果实的识别能力,与原Cascade RCNN网络相比,目标识别的准确率提高了近2%,在识别番茄果实的同时,该网络对番茄的成熟度进行了简单分类。为进一步验证网络性能,将改进网络与经典的Faster RCNN网络和YOLOv3网络进行对比。实验结果表明,改进网络能够准确地识别出番茄果实,并对成熟番茄与未成熟番茄做出区分。该方法可为温室内番茄果实的采摘提供技术支持。

关 键 词：深度学习  卷积神经网络 目标检测 番茄果实 Cascade RCNN  

分 类 号：TP391.41]