基于深度神经网络的果园环境猕猴桃花实时检测
计算机视觉与模式识别
2020-06-09 v1 机器人学
摘要
本文提出一种利用深度神经网络（DNNs）进行猕猴桃花检测的新方法，以构建准确、快速且鲁棒的自主授粉机器人系统。深度神经网络近期的工作已在许多领域的目标检测任务中展现出卓越性能。受此启发，我们致力于将DNNs用于猕猴桃花检测，并对两种最先进的目标检测器（Faster R-CNN与Single Shot Detector (SSD) Net）以及特征提取器（Inception Net V2与NAS Net）在真实果园数据集上进行了深入实验与分析。我们还比较了这些方法，以找出在精度和处理速度上适合实时农业授粉机器人系统的最优模型。我们使用来自不同季节与地点（时空一致性）的数据集进行实验，以证明泛化模型的性能。所提系统在真实世界数据集上取得了精度、召回率和F1分数分别为0.919、0.874和0.889的良好结果，且性能满足将该系统部署于自主授粉机器人系统的要求。
引用
@article{arxiv.2006.04343,
title = {Deep Neural Network Based Real-time Kiwi Fruit Flower Detection in an Orchard Environment},
author = {JongYoon Lim and Ho Seok Ahn and Mahla Nejati and Jamie Bell and Henry Williams and Bruce A. MacDonald},
journal= {arXiv preprint arXiv:2006.04343},
year = {2020}
}
备注
ACRA(Australian Robotics and Automation Association) 2019