20220501 基于优化D2D的绿色目标果实检测算法

在复杂的果园环境中，目标果实的高效、准确检测是实现果园产量测量和自动化采摘的基本保障。有时，绿色果实与背景颜色相近导致难以区分，以及照片拍摄受光照环境和相机角度的影响，给绿色目标果实检测带来巨大挑战。这些问题导致在果园环境中难以检测到绿色水果。该研究提出一种两阶段密集网络优化检测模型D2D（A two-stage dense to detection framework，D2D）来检测绿色水果。新模型采用MobileNetV2+FPN结构提取目标果实的多尺度特征，并通过区域生成网络（RPN）结构生成目标果实的候选区域。在回归分支中，计算每个局部特征的偏移量，并通过二元掩模预测候选区域的正负样本，以减少背景对预测框的干扰。在分类分支中，从候选区域的各子区域中提取特征，并通过自适应加权池化获取具有区分信息的特征，以实现准确分类。新模型采用无锚框设计，提高模型泛化能力和鲁棒性，并降低存储要求。在制作柿子和苹果数据集上，对柿子和绿色苹果的实验结果表明，新模型检测性能最优，可为其他绿色目标果实检测提供理论借鉴。

[编译自：Wei J M，Ding Y H，Liu J，Ullah M Z，Yin X，Jia W K. Novel green-fruit detection algorithm based on D2D framework. Int J Agric & Biol Eng，2022；15（1）：251–259.]