改进Faster-RCNN自然环境下刺梨果实的识别

《农业工程学报》2019年第35卷第18期刊载了贵州大学等单位闫建伟、赵源、张乐伟、苏小东、刘红芸、张富贵、樊卫国与何林的论文——“改进Faster-RCNN自然环境下识别刺梨果实”。该研究由贵州大学培育项目（黔科合平台人才[2017]5788）（项目号：[2017]5788）等资助。

刺梨是一种集药用、保健、食用和观赏为一体的水果，具有抗衰老、抗辐射、消炎和抗癌等作用，医疗价值高。目前，刺梨果实采摘是刺梨生产中最耗时、耗力的环节，其采摘方式主要依靠人工，目前尚无机械化采摘工具，也无相关研究，其投入的劳力约占生产过程 50%～70%。采摘人工成本高，劳动强度大，采摘效率低。刺梨果实的自动化和智能化采摘是刺梨产业发展的必然趋势。

为了实现自然环境下刺梨果实的快速准确识别，根据刺梨果实的生长特点，该文提出了一种基于改进的 Faster RCNN刺梨果实识别方法。卷积神经网络采用双线性插值方法，选用Faster RCNN的交替优化训练方式（alternating optimization），将卷积神经网络中的感兴趣区域池化（ROI pooling）改进为感兴趣区域校准（ROI align）的区域特征聚集方式，使得检测结果中的目标矩形框更加精确。通过比较 Faster RCNN 框架下的 VGG16、VGG_CNN_M1024 以及 ZF 这3种网络模型训练的精度-召回率曲线，最终选择 VGG16 网络模型进行识别模型的训练。

检测结果表明：改进算法训练出来的识别模型对刺梨果实的 11 种形态的召回率最高达 96.93%；准确率最高达 95.53%；F1 值最低为 87.50%，最高达 94.99%。检测的平均速度能够达到0.2 s/幅。本文算法对自然条件下刺梨果实的识别具有较高的正确率和实时性。该文为刺梨果实的智能化识别与采摘奠定了一定的基础。