《基于改进的MaskR-CNN自然场景下苹果识别研究》

技术简介：

在复杂自然场景下，苹果目标因具有成簇生长、重叠果实和光线变化大等特点，应用深度学习方法相比传统方法来实现果实的识别优势明显。提出基于MaskR-CNN网络检测分割架构，采用膨胀卷积的优化策略，通过候选框与像素分割相结合的思路，同时对输入苹果图像进行目标果实的识别。实验结果表明，基于MaskR-CNN框架改进的网络模型的识别性能较原始MaskR-CNN网络有较大提升。针对不同光照角度、不同颜色和不同大小的苹果，改进MaskR-CNN网络的F_1值分别提升了2.17%,1.87%和4.93%。

研发人员：吕继东;王艺洁;夏正旺;马正华;