苹果采摘机器人目标识别与定位方法研究

【目的】在算力资源有限的嵌入式设备上对目标苹果进行快速、准确的识别与定位。【方法】研究小组对采摘机器人的目标识别与定位方法进行研究，以YOLOv4网络模型为基础，对YOLOv4进行轻量化改进，使用MobileNet V3作为特征提取的主干网络，减少模型的计算量，并结合ZED双目相机与定位算法在嵌入式平台上进行实验。【结果】实验表明：1）在目标识别方面，改进后模型的平均检测精度为87.32%，模型的大小为53.76 MB，较改进前降低了79%。2）采用ZED相机结合测距算法进行了苹果目标定位实验，ZED双目相机的测距误差可控制在0.02 m以内，同时改进的YOLOv4算法的平均检测速度在15FPS左右。【结论】改进后的YOLOv4网络模型更适合部署在算力有限的嵌入式设备中进行苹果采摘任务，且能够满足苹果采摘任务的实时性要求。因此，该方法可以为苹果采摘机器人的识别与定位提供技术参考。