基于深度学习的机器人疏果前毛桃目标识别方法

为实现自然环境下疏果前期毛桃目标的识别，提出了基于Faster R-CNN的毛桃目标识别方法，设计的网络由ResNet-50特征提取网络、区域生成网络和感兴趣区域子网组成，并以ResNet-50为基础网络，用来提取目标特征。工作时，区域生成网络依据ResNet-50提取的特征生成感兴趣区域，感兴趣区域子网依据目标特征和感兴趣区域进行毛桃的识别与定位；对图像进行扩增后，随机选取1920幅作为训练集、240幅作为验证集。用测试集中的240幅图像对模型进行测试，结果表明：目标识别方法能有效识别出自然环境下的毛桃目标，准确度为92.97%,误识率为7.03%,召回率为84.62%,平均检测速度为0.189s/幅，可实现疏果前期毛桃目标的识别，模型具有较好的鲁棒性和泛化能力。