农业机械学报

作者：王文杰，贡亮，汪韬，杨智宇，张伟，刘成良

单位：上海交通大学,上海交通大学,上海交通大学,上海交通大学,上海交通大学,上海交通大学,

关键词：番茄果实;机器视觉;目标识别;深度学习;Mask R-CNN算法

基金：上海市科委科研计划项目（18391901000）和国家自然科学基金项目(51775333)

蔬果采摘机器人面对的自然场景复杂多变，为准确识别和分割目标果实，实现高成功率采收，提出基于多源图像融合的识别方法。首先，针对在不同自然场景下单图像通道信息不充分问题，提出融合RGB图像、深度图像和红外图像的多源信息融合方法，实现了机器人能够适应自然环境中不同光线条件的番茄果实。其次，针对传统机器学习训练样本标注低效问题，提出聚类方法对样本进行辅助快速标注，完成模型训练；最终，建立扩展Mask R-CNN深度学习算法模型，进行采摘机器人在线果实识别。实验结果表明，扩展Mask R-CNN算法模型在测试集中的检测准确率为98.3%、交并比为0.916，可以满足番茄果实识别要求；在不同光线条件下，与Otsu阈值分割算法相比，扩展Mask R-CNN算法模型能够区分粘连果实，分割结果清晰完整，具有更强的抗干扰能力。

来源：2021年第9期

《农业机械学报》期刊编辑部

查看农业机械学报杂志2021年第9期