O2RNet：面向簇生果园环境中鲁棒苹果检测的遮挡者-被遮挡者关系网络
计算机视觉与模式识别
2023-03-10 v1
摘要
近年来，自动化苹果采摘因其革新苹果产业、解决劳动力短缺与高成本问题的潜力而引起了显著的研究兴趣。实现高效自动化采摘的一项关键技术是准确且鲁棒的苹果检测，但由于果园环境复杂，涉及多变光照条件以及枝叶遮挡，这一任务颇具挑战。此外，果园中苹果簇生现象普遍，这带来了额外挑战，因为簇生苹果可能被识别为一个苹果，从而给后续机器人操作的定位造成问题。本文提出一种新颖的基于深度学习的苹果检测框架——遮挡者-被遮挡者关系网络（O2RNet），用于在此类簇生环境中鲁棒地检测苹果。该网络通过引入特征扩展结构来利用遮挡者-被遮挡者关系建模头，使分层传统检测器的组合能够分离簇生苹果与枝叶遮挡。更具体地，我们采集了在不同光照条件（阴天、正面光、逆光）下且频繁出现苹果遮挡的综合性果园图像数据集。随后我们开发了新颖的遮挡感知苹果检测网络，其中将特征扩展结构嵌入卷积神经网络，以提取原网络为被遮挡苹果生成的额外特征。我们进行了全面评估，结果表明所开发的 O2RNet 优于 SOTA 模型，在苹果检测上取得了 94% 的更高准确率和 0.88 的更高 F1-score。
引用
@article{arxiv.2303.04884,
title = {O2RNet: Occluder-Occludee Relational Network for Robust Apple Detection in Clustered Orchard Environments},
author = {Pengyu Chu and Zhaojian Li and Kaixiang Zhang and Dong Chen and Kyle Lammers and Renfu Lu},
journal= {arXiv preprint arXiv:2303.04884},
year = {2023}
}