基于深度学习的目标橘子识别方法研究

为了更好地解决自然条件下目标橘子的遮挡、重果问题,采用深度学习的方法对目标橘子进行识别,并用传统的目标识别算法与Faster-RCNN两种方法进行对比实验。根据大量的数据对比可知,传统的目标识别方法对自然光照敏感,对遮挡、重果的识别效果不佳,泛化能力及鲁棒性较差。而Faster-RCNN算法对光照及枝叶遮挡的识别更友好,更符合采橘机器人实际采摘的需要。深度学习方法有望在采橘机器人目标识别中得到更广泛的应用。