挑战条件下的猕猴桃检测
计算机视觉与模式识别
2020-06-23 v1 机器人学
摘要
准确可靠的猕猴桃检测是开发选择性水果采摘机器人面临的最大挑战之一。果园机器人的视觉系统面临动态光照条件和果实遮挡等困难。本文提出一种语义分割方法，配合两种新颖的图像预处理技术，旨在树冠中恶劣光照条件下检测猕猴桃。所提系统的性能在一个不同光照条件（典型、眩光和过曝）下的三维真实世界猕猴桃图像集上评估。仅语义分割方法在典型光照图像集上达到 0.82 的 F1_score，但在恶劣光照下表现不佳，F1_score 仅为 0.13。利用预处理技术后，恶劣光照下的视觉系统提升至 F1_score 0.42。为应对果实遮挡挑战，发现整体方法在所有光照条件下能检测 87.0% 的非遮挡和 30.0% 的遮挡猕猴桃。
引用
@article{arxiv.2006.11729,
title = {Kiwifruit detection in challenging conditions},
author = {Mahla Nejati and Nicky Penhall and Henry Williams and Jamie Bell and JongYoon Lim and Ho Seok Ahn and Bruce MacDonald},
journal= {arXiv preprint arXiv:2006.11729},
year = {2020}
}
备注
Accepted to the Australasian conference on robotics and automation (ACRA 2019)