基于改進Alex Net的廣域復雜環(huán)境下遮擋獼猴桃目標識別
摘要：為了提高獼猴桃采摘機器人的工作效率和對獼猴桃復雜生長環(huán)境的適應性,識別廣域復雜環(huán)境下相互遮擋的獼猴桃目標,采用Im-AlexNet為特征提取層的Faster R-CNN目標檢測算法,通過遷移學習微調Alex Net網(wǎng)絡,修改全連接層L6、L7的節(jié)點數(shù)為768和256,以解決晴天(白天逆光、側逆光)、陰天及夜間補光條件下的廣域復雜環(huán)境中獼猴桃因枝葉遮擋或部分果實重疊遮擋所導致的識別精度較低等問題。采集廣域復雜環(huán)境中晴天逆光、晴天側逆光、陰天和夜間補光條件下存在遮擋情況的4類樣本圖像共1 823幅,建立試驗樣本數(shù)據(jù)庫進行訓練并測試。試驗結果表明:該方法對晴天逆光、晴天側逆光、陰天和夜間補光條件下存在遮擋情況的圖像識別精度為96. 00%,單幅圖像識別時間約為1 s。在相同數(shù)據(jù)集下,Im-AlexNet網(wǎng)絡識別精度比Le Net、Alex Net和VGG16 3種網(wǎng)絡識別精度的平均值高出5. 74個百分點。說明該算法能夠降低獼猴桃果實漏識別率和誤識別率,提高了識別精度。該算法能夠應用于獼猴桃采摘機器人對廣域復雜環(huán)境下枝葉遮擋或部分果實重疊遮擋的準確識別。
注：因版權方要求，不能公開全文，如需全文，請咨詢雜志社。
農(nóng)業(yè)機械學報雜志
農(nóng)業(yè)機械學報雜志， 月刊，本刊重視學術導向，堅持科學性、學術性、先進性、創(chuàng)新性，刊載內容涉及的欄目：特約專稿、農(nóng)業(yè)裝備與機械化工程、農(nóng)業(yè)信息化工程、農(nóng)業(yè)水土工程、農(nóng)業(yè)生物環(huán)境與能源工程、農(nóng)產(chǎn)品加工工程、車輛與動力工程、機械設計制造及其自動化等。于1957年經(jīng)新聞總署批準的正規(guī)刊物。
- 北大期刊
- CSCD期刊
- 統(tǒng)計源期刊
- 1-3個月審核
