水果識(shí)別定位是機(jī)器人采摘視覺(jué)系統(tǒng)的關(guān)鍵組成部分,也是計(jì)算機(jī)視覺(jué)重要的研究領(lǐng)域。一直以來(lái)傳統(tǒng)的識(shí)別算法受限于遮擋、光照、形狀差異等問(wèn)題,使得水果的識(shí)別定位面臨著諸多的困難,算法在非結(jié)構(gòu)環(huán)境中缺乏魯棒性成為制約采摘機(jī)器人發(fā)展的主要瓶頸。隨著識(shí)別技術(shù)的不斷發(fā)展,卷積神經(jīng)網(wǎng)絡(luò)以其具有非線性特征表達(dá)能力強(qiáng),泛化性能好等優(yōu)勢(shì),能夠很好的完成物體的識(shí)別檢測(cè)任務(wù),使得深度學(xué)習(xí)識(shí)別檢測(cè)技術(shù)為實(shí)現(xiàn)自動(dòng)化采摘提供了可能。作為實(shí)現(xiàn)水果自動(dòng)化采摘的重要環(huán)節(jié),本文主要以此為背景,研究探討多類(lèi)水果的檢測(cè)和定位技術(shù),著重研究臍橙、荔枝、貢柑、蘋(píng)果四類(lèi)水果在非結(jié)構(gòu)環(huán)境下的檢測(cè)定位方案,提高水果檢測(cè)和定位系統(tǒng)的整體精度和魯棒性。本文利用計(jì)算機(jī)視覺(jué)和深度學(xué)習(xí)中的理論對(duì)多類(lèi)水果的識(shí)別和定位進(jìn)行了深入的研究分析,圍繞本文的主題開(kāi)展了如下工作:(1)分別使用傳統(tǒng)識(shí)別和深度學(xué)習(xí)的方法對(duì)非結(jié)構(gòu)環(huán)境下的水果識(shí)別檢測(cè)進(jìn)行了研究。通過(guò)對(duì)水果的顏色模型進(jìn)行分析,確定了基于YCrCb顏色模型的Cr分量作為大津法閾值分割的對(duì)象,結(jié)果表明不同光照下綜合F1值為61.45%。針對(duì)大津法無(wú)法滿足非結(jié)構(gòu)環(huán)境下的目標(biāo)檢測(cè)問(wèn)題,提出基于SSD方法的水果檢測(cè)...

【文章頁(yè)數(shù)】：68 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
abstract
1 緒論
    1.1 研究背景
    1.2 國(guó)內(nèi)外研究現(xiàn)狀
        1.2.1 水果識(shí)別研究現(xiàn)狀
        1.2.2 目標(biāo)檢測(cè)研究現(xiàn)狀
    1.3 本文研究?jī)?nèi)容及意義
    1.4 本文的組織結(jié)構(gòu)
2 深度學(xué)習(xí)算法
    2.1 神經(jīng)網(wǎng)絡(luò)模型
        2.1.1 神經(jīng)網(wǎng)絡(luò)的前向傳播
        2.1.2 反向傳播算法
    2.2 卷積神經(jīng)網(wǎng)絡(luò)模型
        2.2.1 卷積層
        2.2.2 池化層
        2.2.3 全連接層
    2.3 遷移學(xué)習(xí)
    2.4 本章小結(jié)
3 結(jié)構(gòu)環(huán)境下的水果識(shí)別檢測(cè)
    3.1 傳統(tǒng)的水果識(shí)別方法
        3.1.1 大津法閾值分割
        3.1.2 圖像去噪
        3.1.3 空洞填充
        3.1.4 連通圖篩選
    3.2 SSD檢測(cè)框架
        3.2.1 檢測(cè)模型
        3.2.2 默認(rèn)框的生成
        3.2.3 模型損失函數(shù)
    3.3 水果數(shù)據(jù)集的采集和預(yù)處理
        3.3.1 數(shù)據(jù)集的采集
        3.3.2 數(shù)據(jù)集的標(biāo)注
    3.4 實(shí)驗(yàn)對(duì)比與結(jié)果分析
        3.4.1 實(shí)驗(yàn)部署
        3.4.2 評(píng)價(jià)標(biāo)準(zhǔn)
        3.4.3 實(shí)驗(yàn)結(jié)果
    3.5 本章小結(jié)
4 基于改進(jìn)的SSD水果識(shí)別檢測(cè)
    4.1 基于殘差模塊的檢測(cè)方法
    4.2 特征金字塔融合
    4.3 水果數(shù)據(jù)庫(kù)預(yù)處理
        4.3.1 批量歸一化
        4.3.2 數(shù)據(jù)增強(qiáng)
    4.4 實(shí)驗(yàn)對(duì)比與分析
        4.4.1 特征可視化
        4.4.2 評(píng)價(jià)標(biāo)準(zhǔn)
        4.4.3 實(shí)驗(yàn)結(jié)果
    4.5 本章小結(jié)
5 基于RGB-D深度相機(jī)的水果定位
    5.1 相機(jī)標(biāo)定
    5.2 立體測(cè)距
        5.2.1 深度圖像配準(zhǔn)
        5.2.2 深度誤差補(bǔ)償分析
    5.3 識(shí)別檢測(cè)系統(tǒng)實(shí)現(xiàn)
    5.4 本章小結(jié)
6 總結(jié)與展望
    6.1 本文總結(jié)
    6.2 研究展望
致謝
參考文獻(xiàn)
附錄



本文編號(hào)：3765761