苹果图像识别的深度神经网络算法研究

郑元刚

实验结果表明，利用U—NET提出的分割方法Dice系数高达98%，且对光照和颜色具有很高的鲁棒性。

苹果产业，是我国极为重要的果业品种之一，对我国的果业经济、进出口创汇等有着重要影响。2017年，我国的苹果种植比例相较于2016年增长了1.73%。然而，大面积的苹果种植使得苹果采摘带来了一定的问题。现有的苹果采摘大多是依靠人力采摘为主，费时费力且效率较低。当前，人工智能迅猛发展，如何将苹果采摘与人工智能相结合，实现全自动采摘也是未来的重要研究方向之一。

苹果自动识别的方法

要实现苹果的全自动采摘，苹果的自动识别是第一步，也是极为关键的一步。但是，目前苹果的自动识别存在两大难点。首先是苹果本身的颜色分布不均，苹果在生长过程中，因为位置、天气、光照不均匀等因素会影响苹果不同部位的着色度不同，这就使得苹果本身的颜色存在分布不均匀的现象。其次，光照也对苹果的识别带来影响，由于光照来源方向不同，苹果枝叶及其阴影容易对其造成遮挡等现象，增加苹果识别的难度。

常见的苹果识别方法主要包括基于边缘检测的分割算法和基于区域的图像分割算法（阈值分割算法、区域分裂与生长算法）等。当前，越来越多的科研工作者致力于苹果的全自动分割工作研究，如司永胜等人利用K-均值聚类实现苹果的自动分割，该方法受苹果顏色影响较小，对绿色苹果也具有较好的分割性能;张亚静等人利用亮度和颜色对苹果进行分割;宋怀波等人提出一种基于凸壳的苹果分割方法。随着深度神经网络在各个领域的应用，基于深度学习的苹果识别方法也逐渐被提出，如朱悦云利用全卷机神经网络对苹果进行分割，有效地提高了苹果分割的精度，提高了鲁棒性。

然而，上述这些方法并没有对其在不同光照和不同颜色的双重影响下的性能进行具体分析，为此笔者提出基于深度学习的苹果分割方法，利用U—NET（卷积神经网络）精确地对苹果进行分割。

利用U—NET精准分割识别苹果

U—NET是由Olaf Ronneberger等人提出的一种图像分割网络，在ISBI的细胞分割竞赛中获得了很高的精度，该方法仅仅需要少量的训练图像即可获得较好的实验结果，且对于待分割图像的大小没有要求，因此，笔者采取U—NET对苹果图像进行分割。

U-NET是由收缩路径和扩张路径两部分构成的，其网络结果图如图1所示。收缩路径是指网络的左半部分，通过两个卷积层、一个最大池化层和Relu激活函数对原图像进行不断的采样，其中两个卷积层的卷积核都为3×3，池化层为2×2。扩张路径是指网络的右半部分，通过对原图像进行不断的上采样，包括一个2×2的反卷积和两个3×3的卷积层。在采样过程中，每层都加入了收缩路径中的特征层，使得对上下文信息具有更好的表达能力。为获取分割结果，将64通道的特征图转化为分割所需的结果图，U-NET在网络的最后一层连接了一个1×1的卷积层。网络的损失函数选择为交叉熵。

用实验比对不同算法结果

为检测这种算法的有效性，笔者通过实验，将其应用于不同光照条件、不同颜色的苹果图像，获取分割结果。并对不同颜色的苹果（红色苹果和绿色苹果）的分割性能进行了对比分析，将其同现有的算法，边缘检测、区域生长和全卷机神经网络（FCN）进行了对比。

为了测试此种算法的精度，笔者对60张苹果图像进行了测试，其中30张为顺光下采集的苹果图像，30张为逆光条件下采集的苹果图像，在30张顺光和逆光图像中各自包含15张红色苹果和15张绿色苹果图像。为保证试验的有效性，采取其中40张图像做训练（其中包括20张顺光采集图像和20张逆光采集图像，在20张顺光和逆光图像中各自包含10张红色苹果和10张绿色苹果图像），20张图像做测试（其中包括10张顺光采集图像和10张逆光采集图像，在20张顺光和逆光图像中各自包含5张红色苹果和5张绿色苹果图像）。每张图像都由人工进行标记。

为检测本方法对光照的鲁棒性，对不同光照条件下（顺光采集的图像和逆光采集的图像）的分割性能进行了对比分析，并将其同现有的算法，边缘检测、区域生长和全卷机神经网络（FCN）进行了对比。实验结果如表1所示，U-NET对于光照的鲁棒性最强，对顺光采集的图像和逆光采集的图像的分割精度相差不大，FCN对光照的鲁棒性仅次于U-NET，区域生长算法次之，边缘检测最差。

为检测本方法对不同颜色的鲁棒性，对不同颜色的苹果（红色苹果和绿色苹果）的分割性能进行了对比分析，并将其同现有的算法，边缘检测、区域生长和全卷机神经网络（FCN）进行了对比。实验结果如表2所示，U-NET对于颜色的鲁棒性最强，FCN对颜色的鲁棒性仅次于U-NET，区域生长算法次之，边缘检测最差。

实验结果表明，利用U—NET提出的分割方法Dice系数（一种集合相似度度量函数，与相似度指数相同）高达98%，且对光照和颜色具有很高的鲁棒性，在不同光照条件下，对不同颜色的苹果都能取得较高的精度。

（作者单位：山东省德州市齐河县农业局农技站）