基于空間金字塔池化的YOLOv3的柑橘多分級研究

周 劍，徐中貴，謝知音

（1.湖北民族大學林學園藝學院，湖北 恩施 445000；2.湖北民族大學智能科學與工程學院，湖北 恩施 445000）

0 引言

隨著機械化農業與計算機視覺的快速發展，在深度卷積神經網絡的技術支持下，水果識別檢測、果實產量預測等成為目前農產品生產工業的研究熱點[1]。柑橘產業在我國水果產業中的占比相對較重，產量上升的同時導致柑橘在生產過程中所需要的勞動力也在增加[2]。而柑橘分級在柑橘生產中是一重要環節，該環節工作量大，人工分級易出錯。因此，實現柑橘的高效精確分級研究至關重要。

近年來，國內外關于水果的分級檢測研究提出了多種解決方案。傳統水果圖像識別技術主要利用水果的顏色、紋理、幾何形狀特征進行水果定位識別[3]。基于水果顏色特征主要利用果實與背景之間的顏色差別，將目標與背景分開。熊俊濤等[4]提出使用YCbCr 顏色模型對荔枝圖像進行閾值分割，去除復雜背景，可實現荔枝果實與果梗的識別。項榮等[5]使用基于邊緣曲率分析的方法去識別被輕微遮擋的番茄，對遮擋率為25%～50% 的番茄目標的識別正確率達76.90%。HUSSIN 等[6]使用霍夫變換對柑橘進行識別檢測，檢測準確度較低，且在柑橘重疊嚴重時，易出現錯誤檢測。SENGUPTA等[7]提出由Hough 圓檢測結合基于支持向量機的紋理分類等技術對戶外柑橘進行檢測，算法準確率達到80.4%。WU 等[8]采用顏色結合形狀特征進行水果分割，利用水果像素特征粗分割，同時采用點云簇的視點特征直方圖（viewpoint feature histogram，VFH）精分割水果區域，準確率達到80.09%。……