遮挡条件下基于生成对抗网络的苹果果实检测方法

来源：湖北农业科学杂志2024年第8期北京时间：

作者：刘帅, 肖奕同, 张吴平, 李富忠, 王宦臣

单位：山西农业大学软件学院,山西 太谷 030801

摘要：针对苹果果实在自然环境条件下易受到枝干、树叶等障碍物的遮挡,导致识别准确率降低的问题,引入了一种融合生成对抗网络（Generative adversarial networks,GAN）的苹果果实检测方法。使用Faster RCNN模型对苹果果实和遮挡物进行检测,对受遮挡的苹果果实图像添加掩码,然后用生成对抗网络对受遮挡的苹果果实图像进行修复,最后将修复的图像传输给目标检测模型进行识别定位。结果表明,融合生成对抗网络的GAN-Faster RCNN联合模型,对大面积遮挡的苹果果实,在测试集上的平均精度均值（Mean average precision,mAP）达73.62%,较原模型提高了8.76个百分点;对小面积遮挡的苹果果实,在测试集上的平均精度均值达90.67%,较原模型提高了9.54个百分点,解决了传统目标检测方法在遮挡条件下苹果果实识别准确率低的问题。

关键词：苹果,目标检测,遮挡,FasterRCNN,生成对抗网络（GAN）

基金资助：国家重点研发计划项目（2021YFD1901101）; 山西省基础研究计划项目（202103021224123）; 山西省科技重大专项计划“揭牌挂帅”项目（202101140601026）