基于改进YOLOv4模型的橙果识别与定位方法

来源：农业工程学报杂志2022年第12期北京时间：

作者：刘洁,李燕,肖黎明,李炜琪,李浩,

摘要：为提高橙果采摘定位精度和作业速度，提出一种便于迁移至移动终端的改进YOLOv4模型，可从RealSense深度相机所成彩色图像中获取果实质心二维坐标，经配准提取对应深度图中质心点深度值，实现果实的三维空间定位。改进YOLOv4模型以MobileNet v2为主干网络，在颈部结构中使用深度可分离卷积替换普通卷积，实现模型轻量化并提高检测速度。训练后的改进模型对513张独立橙果测试集数据的识别平均精度达97.24%，与原始YOLOv4模型相比，平均检测时间减少11.39 ms，模型大小减少197.5 M。与经典Faster RCNN、SSD模型相比，检测平均精度分别提高了2.69和3.11个百分点，模型大小分别减少了474.5和44.1 M。与轻量化模型YOLOv4-tiny相比，召回率提升了4.22个百分点，较Ghostnet-YOLOv4，平均检测时间减少了7.15 ms。为验证该改进算法实用性，应用改进模型获取果园中78个橙果的位置信息，结果表明：果实二维识别成功率达98.72%，水平方向及垂直方向的平均绝对百分比误差均在1%以内。果实三维定位成功率达96.15%，深度信息平均绝对百分比误差为2.72%，满足采摘机械手精准定位需求。该方法为复杂场景下采摘作业实现提供了鲁棒性强、实时性好、精准度高的目标定位途径。

关键词：机器视觉, 识别, 定位, 橙, YOLOv4, 深度学习, RealSense