基于改进的Mask R-CNN自然场景下苹果识别研究

在复杂自然场景下,苹果目标因具有成簇生长、重叠果实和光线变化大等特点,应用深度学习方法相比传统方法来实现果实的识别优势明显.提出基于Mask R-CNN网络检测分割架构,采用膨胀卷积的优化策略,通过候选框与像素分割相结合的思路,同时对输入苹果图像进行目标果实的识别.实验结果表明,基于Mask R-CNN框架改进的网络模型的识别性能较原始Mask R-CNN网络有较大提升.针对不同光照角度、不同颜色和不同大小的苹果,改进Mask R-CNN网络的F1值分别提升了 2.17％,1.87％和4.93％.