基于改进RetinaNet的果园复杂环境下苹果检测

来源：农业工程学报杂志2022年第15期北京时间：

作者：孙俊,钱磊,朱伟栋,周鑫,戴春霞,武小红,

摘要：为了快速准确地检测重叠、遮挡等果园复杂环境下的苹果果实目标，该研究提出一种基于改进RetinaNet的苹果检测网络。首先，该网络在传统RetinaNet的骨干网络ResNet50中嵌入Res2Net模块，提高网络对苹果基础特征的提取能力；其次，采用加权双向特征金字塔网络（Bi-directional Feature Pyramid Network，BiFPN）对不同尺度的特征进行加权融合，提升对小目标和遮挡目标的召回率；最后，采用基于焦损失（Focal Loss）和高效交并比损失（Efficient Intersection over Union Loss，EIoU Loss）的联合损失函数对网络进行优化，提高网络的检测准确率。试验结果表明，改进的网络在测试集上对叶片遮挡、枝干/电线遮挡、果实遮挡和无遮挡的苹果检测精度分别为94.02%、86.74%、89.42%和94.84%，平均精度均值（mean Average Precision，mAP）达到91.26%，较传统RetinaNet提升了5.02个百分点，检测一张苹果图像耗时42.72 ms。与Faster-RCNN和YOLOv4等主流目标检测网络相比，改进网络具有优异的检测精度，同时可以满足实时性的要求，为采摘机器人的采摘策略提供了参考。

关键词：图像识别, 采摘机器人, 苹果检测, RetinaNet, BiFPN, EIoU, 遮挡