基于实例分割苹果采摘机器人视觉定位与检测

摘要

为了实现采摘机器人对复杂环境中的苹果进行精准的视觉检测与定位,提出了一种基于Mask RCNN实例分割模型检测果园苹果的方法。为了降低模型的参数数量并提升检测的速度,将主干特征提取网络由Resnet101网络替换为轻量化Mobilenetv3网络。该网络结构采用深度可分离卷积代替普通卷积,能有效降低模型参数量。并采用空间金字塔池化(spatial pyramid pooling,简称SPP)模块,对输出网络进行语义增强,利用空洞卷积掩码特征图增加感受野。模型的参数量相较于Resnet101下降了62.03%,检测速度由5帧/s提高到9帧/s,检测速度提高80%。检测结果准确率为93.75%,召回率为89.99%,平均检测精度(mAP)为93.75%。试验证明,该算法能够对不同场景的苹果边缘位置信息以及类别进行有效的视觉识别检测,可为自动化采摘苹果机器人的视觉系统提供有力的技术支撑。