YOLO-RD-Apple果园异源图像遮挡果实检测模型

作     者：郝鹏飞 刘立群 顾任远 HAO Peng-fei;LIU Li-qun;GU Ren-yuan

作者机构：甘肃农业大学信息科学技术学院甘肃兰州730070 

基　　金：甘肃省高校教师创新基金项目(2023A-051) 甘肃农业大学青年导师基金资助项目(GAU-QDFC-2020-08) 甘肃省科技计划资助项目(20JR5RA032) 

出 版 物：《图学学报》 (Journal of Graphics)

年 卷 期：2023年第44卷第3期

页      码：456-464页

摘      要：为探索在自然苹果园环境中对高度遮挡果实进行机器人自动化采摘,提出基于RGB与Depth图像双输入的YOLO-RD-Apple果园异源图像遮挡果实检测模型。使用轻量化的MobileNetV2并在此基础上设计的更加轻量化的MobileNetV2-Lite分别作为RGB和Depth图像的特征提取器,保证特征提取能力的同时降低网络的计算量;将CSPNet与深度可分离卷积结合SE注意力模块,提出全新的SE-DWCSP3模块对PANet结构进行改进,提升网络对于残缺苹果目标的特征提取能力;引入SoftNMS算法替代一般NMS算法,以减少对密集目标的错误抑制现象,降低被遮挡苹果的漏检率。实验结果表明,YOLO-RD-Apple在自然遮挡苹果数据集上性能优秀,在测试集上的AP值达到93.1%,较YOLOv4提升了1.4%,参数量则降低了70%,在GPU(V100)的检测速度达到40.5FPS,较YOLOv4速度提升了12.5%,在检测精度和速度上均有不同程度地提升,同时降低了网络参数量,更加适用于实际果园苹果采摘场景。

主 题 词：目标检测 异源图像 YOLOv4 苹果采摘 注意力机制 

学科分类：081203[081203] 08[工学] 0835[0835] 0812[工学-测绘类] 

D　O　I：10.11996/JG.j.2095-302X.2023030456

馆 藏 号：203122442...