基于CenterNet的密集场景下多苹果目标快速识别方法

作     者：杨福增 雷小燕 刘志杰 樊攀 闫彬 YANG Fuzeng;LEI Xiaoyan;LIU Zhijie;FAN Pan;YAN Bin

作者机构：西北农林科技大学机械与电子工程学院陕西杨凌712100 农业农村部苹果全程机械化科研基地陕西杨凌712100 农业农村部北方农业装备科学观测实验站陕西杨凌712100 

基　　金：陕西省科技重大专项(2020zdzx030401) 国家重点研发计划项目(2016YFD0700503) 

出 版 物：《农业机械学报》 (Transactions of the Chinese Society for Agricultural Machinery)

年 卷 期：2022年第53卷第2期

页      码：265-273页

摘      要：为提高苹果采摘机器人的识别效率和环境适应性,使其能在密集场景下对多苹果目标进行快速、精确识别,提出了一种密集场景下多苹果目标的快速识别方法。该方法借鉴“点即是目标”的思路,通过预测苹果的中心点及该苹果的宽、高尺寸,实现苹果目标的快速识别;通过改进CenterNet网络,设计了Tiny Hourglass24轻量级骨干网络,同时优化残差模块提高了目标识别速度。试验结果表明,该方法在非密集场景下(即近距离场景)测试集的识别平均精度(Average precision,AP)为98.90%,F1值为96.39%;在密集场景下(即远距离场景)测试集的识别平均精度为93.63%,F1值为92.91%,单幅图像平均识别时间为0.069 s。通过与YOLO v3、CornerNetLite网络在两类测试集下的识别效果进行对比,该方法在密集场景测试集上比YOLO v3和CornerNetLite网络的平均精度分别提高了4.13、29.03个百分点;单幅图像平均识别时间比YOLO v3减少0.04 s、比CornerNetLite减少0.646 s。该方法无需使用锚框(Anchor box)和非极大值抑制后处理,可为苹果采摘机器人在密集场景下快速准确识别多苹果目标提供技术支撑。

主 题 词：采摘机器人 密集场景 多苹果识别 Tiny Hourglass24 CenterNet 

学科分类：1305[艺术学-设计学类] 13[艺术学] 081104[081104] 08[工学] 0804[工学-材料学] 081101[081101] 0811[工学-水利类] 

核心收录：

D　O　I：10.6041/j.issn.1000-1298.2022.02.028

馆 藏 号：203108612...