温室甜瓜自动采摘系统目标检测模型及空间定位研究

【目的】提高温室甜瓜采摘机器人在复杂光线变化和枝叶遮挡情况下的检测精度，实现检测目 标的空间坐标定位。【方法】基于 YOLOv3，研究优化不同主干网络，头部、颈部网络结构及边界框损失函 数组合对模型检测性能的影响，建立甜瓜严重遮挡下的目标检测网络模型 YOLOResNet70，然后将模型与 Intel RealSense D435i 传感器融合进行目标空间定位。【结果】模型 YOLOResNet70 采用 ResNet70 为主干网络，结合 SPP (Spatial pyramid pooling)、CIoU (Complete intersection over union)、FPN (Feature pyramid network) 以及 NMS (Greedy non-maximum suppression) 时性能最佳，模型平均精度 (AP) 达到 89.4%，优于 Y OLOv3 的 83.3% 和 YOLOv5 的 82%，其检测速度（61.8 帧 /s）比 YOLOv4（54.1 帧 /s）快 14%。【结论】通过对不同光照条件下的遮挡甜瓜图 像进行检测测试，表明 YOLOResNet70 模型鲁棒性良好，并且与 Intel RealSense D435i 深度传感器融合实现了甜 瓜的空间定位坐标，与手工测量结果吻合，为甜瓜采摘机器人目标检测和空间定位提供了理论和模型支持。

Study on Target Detection Model and Spatial Location ofGreenhouse Muskmelon Automatic Picking System