21、基于3D立体相机数据集和深度学习算法的果园梨识别系统

基于3D立体相机数据集和深度学习算法的果园梨识别系统

1. 背景与问题提出

现代水果采摘主要依靠人力，在全球不同地区情况大致相同。但人力采摘面临诸多问题，如新冠疫情对全球经济造成冲击，劳动力老龄化和短缺问题凸显。以梨为例，日本梨是日本广泛种植的果树之一，然而采摘梨需要大量劳动力，劳动力短缺导致采摘成本逐渐增加。预计2017 - 2030年全球劳动力将减少约30%。

随着农业机械的发展，农业技术正从人工种植和采摘向自动化和智能化转变。采摘机器人成为热门的农业机器人之一，但在采摘像梨这样柔软 delicate 的水果时，现有采摘机器人的目标检测可能会因抓取或剪切导致水果受伤。成功采摘软梨依赖于对梨形状的识别，以了解水果的曲面。传统图像处理在果园中识别水果具有挑战性，因为水果的形状、大小和光照条件存在差异，所以需要大量包含大小、形状和光照变化的训练数据集来应对复杂果园环境中梨的检测挑战。

2. 相关技术介绍

• 深度学习 ：深度学习成为克服传统图像分割局限性的潜在方法，是机器学习的一个子领域，发展出了多种不同的架构。例如自组织特征映射（SOFM），它能确定类之间的相似程度，还可作为检测新事物出现的检测器，也能寻找已知数据和噪声数据之间的相似性。深度学习还包括人工神经网络（ANNs）和通过全连接层（FCNs）从卷积神经网络（CNNs）提取的神经网络，其中CNNs通过学习输入数据的小图片来保留像素之间的空间关系。
• 目标检测方法
  • 两阶段方法 ：包括Fast R - CNN和Faster R