DeepFruits: A Fruit Detection System Using Deep Neural Networks CV农业一个生产应用了解

提示：文章写完后，目录可以自动生成，如何生成可参考右边的帮助文档

---

前言

基于深度神经网络的水果检测系统

---

提示：以下是本篇文章正文内容，下面案例可供参考

摘要

本文提出了一种使用深度卷积神经网络进行水果检测的新方法。目的是建立一个准确，快速和可靠的水果检测系统，这是自主农业机器人平台的重要组成部分；它是估计水果产量和自动收获的关键要素。深度神经网络的最新工作已导致开发了一种称为“基于快速区域的CNN（Faster R-CNN）”的最新对象检测器。通过转移学习，我们将该模型改编为使用从两种模式获得的图像进行水果检测的任务：彩色（RGB）和近红外（NIR）。探索了早期和晚期融合方法以结合多模式（RGB和NIR）信息。这导致了一种新颖的多模式Faster R-CNN模型，与先前的F1得分相比，该模型可以实现最新的结果，同时考虑了精度和召回性能，从0.807提高到0.838进行检测甜椒。除了提高准确性外，此方法还可以更快地部署到新的水果上，因为它需要边界框注释而不是像素级注释（注释边界框执行速度大约快一个数量级）。对模型进行重新训练以执行7种水果的检测，整个过程需要4个小时来注释