基于深度学习的葡萄果梗识别与最优采摘定位

宁政通，罗陆锋，廖嘉欣，文汉锦，韦慧玲，卢清华

（佛山科学技术学院机电工程与自动化学院，佛山 528000）

0 引言

葡萄果梗的精准识别及最优采摘点定位是实现机器人无损采摘的重要环节。在葡萄采摘作业过程中，因果园环境复杂（光照不均、遮挡等），葡萄品种繁多且不同品种果梗外观（颜色、纹理、形状等）存在较大差异，这些非结构、不确定因素使得葡萄果梗识别及最优采摘定位成为难题。

多年来，国内外学者围绕采摘机器人视觉定位开展了一系列研究。在国外，Kondo等[1-2]利用光谱特性对葡萄进行识别；Reis等[3-4]利用颜色特性对自然环境下的葡萄进行识别与定位；Pérez-Zavala等[5]利用可见光谱相机技术对葡萄进行识别；Unay等[6]提出一种针对苹果果梗和花萼缺陷识别、定位的多分类器系统；Bac等[7]利用引导线作为视觉提示对甜椒果梗进行识别与定位；van Henten等[8]采用基于近红外的计算机视觉系统对黄瓜果梗进行识别；Park等[9]利用最大相关最小冗余和深度神经网络对苹果进行识别；Muresan等[10]利用卷积神经网络对苹果、梨等水果进行识别。在中国，罗陆锋等[11-13]利用几何约束对自然悬挂和重叠簇葡萄的采摘点进行定位；梁喜凤等[14]利用骨架角点对自然悬挂番茄的采摘点进行定位；郭艾侠等[15]采用基于探索性分析对荔枝的不同部位进行识别；彭红星等[16]利用单次多框检测器模型对皇帝柑、苹果、荔枝、脐橙进行识别；毕松等[17]利用深度卷积神经网络对自然环境下的柑橘进行识别；闫建伟等[18]利用更快速区域卷积神经网络模型对自然环境中的刺梨果实进行识别；……