非结构化环境下番茄采摘机器人目标识别与检测

张永宏１，李宇超１，董天天１，秦夏洋１，刘云平１，曹景兴２

（1.南京信息工程大学自动化学院，南京市，210044；2.无锡新松机器人自动化有限公司，江苏无锡，214000）

摘要：针对采摘机器人收获技术中的识别技术受限于非结构化环境中复杂背景干扰的问题，采用改进模型后处理的研究路线，提出一种改进YOLOv5算法。首先将果实目标的中心点距离、预测框宽高实际差值与面积交并比三者共同考虑为损失项，提升预测框实际尺寸精度，再利用中心点距离作为惩罚项加权面积交并比得分，提升密集目标的识别能力，最后通过设置辅助训练头，提供更多的梯度信息以防止过拟合现象。通过多种损失函数损失值对比与模型改进精度对比试验证明改进有效性，部署至机器人验证可行性。结果表明，改进后的算法模型识别平均精度95.6%，召回率达到90.1%，相较于改进前全类精度提升0.4个百分点，召回率提升0.4个百分点，满足采摘机器人识别需求。