基于改进YOLOv4的降雨天气下番茄目标与抓取位置检测

针对采摘机器人在降雨天气背景下的成熟番茄识别和抓取位置标定问题,提出了雨纹渲染数据增强方法、一种改进型YOLOv4模型和简化两点式抓取表达法。为了在满足精度的前提下减少模型参数量,使用多个bneck结构组成的轻量化特征提取网络代替原YOLOv4模型的主干网络,并将原模型中所有的标准卷积替换成深度可分离卷积。为了提高模型对于降雨的鲁棒性,采用在清晰图片上随机渲染3种角度和密度的雨纹的数据增强方法。因为番茄成熟果实的形状特殊性,简化了两点式抓取表达法,在模型生成预测框的同时生成参考抓取点及抓取轨迹。试验结果表明,雨纹渲染数据增强方法能够有效提高模型对于降雨天气的鲁棒性,改进后的模型较原模型在参数量减少的同时识别性能有所上升,参考抓取点及抓取轨迹预测合理,证明了本研究提出的数据增强办法、识别模型及抓取表达法可以为采摘机器人的视觉系统提供有利保障。