农业机械学报

作者：张立杰，周舒骅，李娜，张延强，陈广毅，高笑

单位：河北农业大学,河北农业大学,河北农业大学,河北农业大学,河北农业大学,河北农业大学,

关键词：苹果分级;信息融合;改进型SSD;卷积神经网络;目标检测

基金：河北省重点研发计划项目（21321902D）

为实现苹果果径与果形快速准确自动化分级，提出了基于改进型SSD卷积神经网络的苹果定位与分级算法。深度图像与两通道图像融合提高苹果分级效率，即对从顶部获取的苹果RGB图像进行通道分离，并提取分离通道中影响苹果识别精度最大的两个通道与基于ZED双目立体相机从苹果顶部获取的苹果部分深度图像进行融合，在融合图像中计算苹果的纵径相关信息，实现了基于顶部融合图像的多个苹果果形分级和信息输出；使用深度可分离卷积模块替换原SSD网络主干特征提取网络中部分标准卷积，实现了网络的轻量化。经过训练的算法在验证集下的识别召回率、精确率、mAP和F1值分别为93.68%、94.89%、98.37%和94.25%。通过对比分析了4种输入层识别精确率的差异，实验结果表明输入层的图像通道组合为DGB时对苹果的识别与分级mAP最高。在使用相同输入层的情况下，比较原SSD、Faster R-CNN与YOLO v5算法在不同果实数目下对苹果的实际识别定位与分级效果，并以mAP为评估值，实验结果表明改进型SSD在密集苹果的mAP与原SSD相当，比Faster R-CNN高1.33个百分点，比YOLO v5高14.23个百分点。并且在不同硬件条件下验证了该算法定位分级效率的优势，单幅图像在GPU下的检测时间为5.71ms，在CPU下的检测时间为15.96ms，检测视频的帧率达到175.17f/s和62.64f/s。该研究可为自动化分级设备在高速环境下精准定位并分级苹果提供理论基础。

来源：2023年第6期

《农业机械学报》期刊编辑部

查看农业机械学报杂志2023年第6期