文献类型：期刊文章

作　　者：王芳[1] 崔丹丹[1] 李林[1]

Wang Fang;Cui Dandan;Li Lin(School of Information Engineering,Kaifeng University,Kaifeng 475001,China)

机构地区：[1]开封大学信息工程学院,开封475001

出　　处：《电子测量技术》

基　　金：国家自然科学基金面上项目(61871199);河南省高等学校重点科研项目(21A520028)资助。

年　　份：2021

卷　　号：44

期　　号：20

起止页码：162-167

语　　种：中文

收录情况：BDHX、BDHX2020、JST、RCCSE、ZGKJHX、核心刊

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1.33cm,可为智慧农业发展提供有力的技术支持。

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  

分 类 号：TP391.41]