基于深度學(xué)習(xí)水果檢測(cè)的研究與改進(jìn)

黃豪杰，段先華，黃欣辰

江蘇科技大學(xué) 計(jì)算機(jī)學(xué)院，江蘇 鎮(zhèn)江212000

1 引言

隨著近年來(lái)人工智能技術(shù)的應(yīng)用越來(lái)越多，計(jì)算機(jī)科學(xué)技術(shù)在日常生產(chǎn)活動(dòng)中的應(yīng)用越來(lái)越多，如無(wú)人車技術(shù)、智能監(jiān)控系統(tǒng)、人臉識(shí)別[1]等應(yīng)用領(lǐng)域，這些利用計(jì)算機(jī)圖像處理技術(shù)對(duì)目標(biāo)進(jìn)行檢測(cè)和監(jiān)控越來(lái)越流行。目標(biāo)檢測(cè)是計(jì)算機(jī)視覺(jué)的基本問(wèn)題，但在自然環(huán)境中，水果的目標(biāo)檢測(cè)存在以下挑戰(zhàn)：水果被枝葉遮擋或分割，果實(shí)之間相互重疊，光照不均勻帶來(lái)的一系列影響。近年來(lái)，許多研究已經(jīng)提出了許多水果檢測(cè)和識(shí)別算法來(lái)解決上述問(wèn)題。

Wshcs等[2]利用彩色相機(jī)來(lái)獲取果樹上綠色蘋果的彩色圖像，然后利用熱圖像來(lái)分析特征組合實(shí)現(xiàn)檢測(cè)，但是利用熱圖像的方法只能在陽(yáng)光直射的情況下進(jìn)行；Si等[3]通過(guò)利用基于面積特征和極線的匹配算法實(shí)現(xiàn)了蘋果目標(biāo)的定位，但是果實(shí)的震蕩具有隨機(jī)性和復(fù)雜性，將會(huì)導(dǎo)致識(shí)別與定位的準(zhǔn)確性降低；Ji等人[4]采用支持向量機(jī)對(duì)紅蘋果進(jìn)行識(shí)別，識(shí)別率高達(dá)97%，但為了得到更好的模型，需要使用監(jiān)督學(xué)習(xí)提取有效樣本；Rocha等[5]完善了IBM團(tuán)隊(duì)開發(fā)的果蔬識(shí)別系統(tǒng)，采用監(jiān)督學(xué)習(xí)方法，利用水果的顏色特征和分類器結(jié)合技術(shù)，識(shí)別率很高但是只對(duì)15類水果取樣。水果在自然環(huán)境下檢測(cè)的難度不僅是水果圖像獲得困難，分析提取水果圖像中組合特征也有固定性，因此上述傳統(tǒng)水果檢測(cè)方法不被廣泛使用，實(shí)用價(jià)值不大[6]。

隨著云時(shí)代的到來(lái)，卷積神經(jīng)網(wǎng)絡(luò)（Convolutional Neural Network，CNN）[7]架構(gòu)出現(xiàn)了分類和識(shí)別，對(duì)圖像識(shí)別精度做出了標(biāo)志性貢獻(xiàn)。Liu等人[8]提出了一種基于CNN的SSD（Single Shot Detector）方法，用于深度學(xué)習(xí)對(duì)象的識(shí)別和檢測(cè)，在保證準(zhǔn)確性的同時(shí)實(shí)時(shí)性也得到了加強(qiáng)。本文以蘋果、橘子、荔枝三種水果作為研究對(duì)象，對(duì)自然環(huán)境下水果識(shí)別檢測(cè)進(jìn)行研究，將SSD訓(xùn)練使用的VGG16網(wǎng)絡(luò)替換為深度殘差網(wǎng)絡(luò)ResNet-101[9]，并利用FPN[10]將高層特征通過(guò)上采樣與低層特征進(jìn)行自頂向下的連接，且每一層都會(huì)獨(dú)立預(yù)測(cè)，以此來(lái)提升自然環(huán)境下水果識(shí)別的精度和魯棒性。

2 深度學(xué)習(xí)SSD經(jīng)典模型

SSD是一個(gè)基于前向傳播CNN網(wǎng)絡(luò)，從Conv4_3開始利用多級(jí)特征圖的組合作為分類和回歸的依據(jù)，以此達(dá)到多尺度特征預(yù)測(cè)的效果。SSD模型最開始主網(wǎng)絡(luò)是由VGG16[11]中部分卷積層組成并將最后兩層的Conv6和Conv7換成全連接層，用于圖像分類。隨后添加4個(gè)額外卷積層，卷積層大小遞減，完成多尺度下預(yù)測(cè)。SSD300框架如圖1所示，輸入圖像為300×300。

SSD中的默認(rèn)框和Faster-rcnn錨（anchors）機(jī)制[12]類似，對(duì)不同尺度的特征圖使用不同大小和橫縱比的默認(rèn)框。假設(shè)本文以m個(gè)特征圖做預(yù)算，那么默認(rèn)框的大小計(jì)算公式：

式中，smin=0.2；smax=0.95，表示最底層的大小為0.2，最高層的大小為0.95。

同時(shí)，SSD采用默認(rèn)框機(jī)制，對(duì)于同一特征層上的特征單元采取幾個(gè)不同的縱橫比，增強(qiáng)模型對(duì)不同物體形狀的魯棒性，記為ar={1，2，3，1/2，1/3}，對(duì)于縱橫比等于1這一類，它的。對(duì)于Conv4_3，Conv10_2，Conv11_2不使用3，1/3的縱橫比，則：

圖1 SSD模型結(jié)構(gòu)

圖2 改進(jìn)的SSD模型結(jié)構(gòu)設(shè)計(jì)

其中(cx,cy)為第k層特征層上某一個(gè)默認(rèn)框的中心坐標(biāo)；(wfeature,hfeature)為特征層上的寬和高；(wimg,himg)為原始圖像的寬和高。(xmin,xmax),(ymin,ymax)分別是該默認(rèn)框?qū)?yīng)到原圖上的目標(biāo)框的左上角和右下角坐標(biāo)。每個(gè)默認(rèn)框需要預(yù)測(cè)c個(gè)類別的得分（score）和4個(gè)物體位置相對(duì)于邊界框的偏移量（offset），設(shè)一個(gè)特征圖的大小是m×n，則每個(gè)默認(rèn)框表示類別的概率的置信度有c×k×m×n個(gè)輸出，；每個(gè)默認(rèn)框回歸后坐標(biāo)有4×k×m×n個(gè)輸出，那么這個(gè)特征圖一共有(c+4)×k×m×n個(gè)輸出。

3 改進(jìn)的SSD模型

3.1 改進(jìn)模型結(jié)構(gòu)設(shè)計(jì)

經(jīng)典的SSD模型無(wú)法完全提取圖像目標(biāo)的特征。當(dāng)特征層進(jìn)行融合時(shí)，VGG16網(wǎng)絡(luò)結(jié)構(gòu)的Conv4_3卷積層用于進(jìn)行特征融合以預(yù)測(cè)小目標(biāo)。以這種方式，會(huì)出現(xiàn)包含在低級(jí)卷積特征層中的語(yǔ)義信息不夠的問(wèn)題。隨著網(wǎng)絡(luò)深度的加深，提取的特征不足，精度降低。為了克服SSD模型本身的缺陷，本文將基礎(chǔ)網(wǎng)絡(luò)模型替換為深度殘差網(wǎng)絡(luò)Resnet101并利用FPN將高層特征通過(guò)上采樣與低層網(wǎng)絡(luò)提取的特征進(jìn)行融合，改進(jìn)后檢測(cè)模型結(jié)構(gòu)如圖2所示。

3.2 基于深度殘差的網(wǎng)絡(luò)結(jié)構(gòu)

為減少網(wǎng)絡(luò)深度增加帶來(lái)的梯度彌散或梯度爆炸以及網(wǎng)絡(luò)層數(shù)增加引起的訓(xùn)練集精確率下降等影響，本文將經(jīng)典SSD模型中的VGG基礎(chǔ)訓(xùn)練網(wǎng)絡(luò)替換為深度殘差網(wǎng)絡(luò)ResNet101，解決隨著網(wǎng)絡(luò)加深準(zhǔn)確性下降的問(wèn)題。

假定某段神經(jīng)網(wǎng)絡(luò)的輸入的是X，期望輸出是H(X)，直接將輸入X傳到輸出作為初始結(jié)果，此時(shí)需要學(xué)習(xí)的目標(biāo)是F(X)=H(X)-X。如圖3所示，是深度殘差網(wǎng)絡(luò)的一個(gè)殘差學(xué)習(xí)單元，相當(dāng)于將學(xué)習(xí)目標(biāo)改變，不再是學(xué)習(xí)一個(gè)完整輸出H(X)，只是輸入和輸出的差別H()X-X，即殘差。簡(jiǎn)言之就是增加一個(gè)恒等映射，把原始所需要學(xué)習(xí)的H(X)轉(zhuǎn)化成F(X)+X。深度殘差網(wǎng)絡(luò)的核心思想是將一個(gè)復(fù)雜多元的問(wèn)題拆分成多個(gè)尺度直接的殘差問(wèn)題，對(duì)網(wǎng)絡(luò)模型的訓(xùn)練起到很好的優(yōu)化加速效果，即使網(wǎng)絡(luò)不斷加深，準(zhǔn)確率也不會(huì)下降。

圖3 殘差學(xué)習(xí)單元

殘差單元通過(guò)恒等映射的引入在輸入和輸出之間建立了一條直聯(lián)通道，從而使得有參層集中學(xué)習(xí)輸入和輸出之間的殘差。用F( )X,Wi來(lái)表示殘差映射，當(dāng)輸入和輸出維道相同時(shí)，那么輸出即為Y=F( )

X,Wi+X。當(dāng)輸入維度與輸出維度不相同時(shí)，需要添加一個(gè)線性投影Ws來(lái)匹配維度，如下式所示：

3.3 特征金字塔網(wǎng)絡(luò)

在引入ResNet101網(wǎng)絡(luò)之后，為避免經(jīng)典SSD模型中低層網(wǎng)絡(luò)語(yǔ)義信息不夠而導(dǎo)致提取的特征使用不充分，對(duì)小物體檢測(cè)效果較差這一問(wèn)題，本文利用特征金字塔網(wǎng)絡(luò)（FPN）來(lái)搭建檢測(cè)模型。FPN是將高層特征通過(guò)上采樣與低層網(wǎng)絡(luò)提取的特征進(jìn)行融合，網(wǎng)絡(luò)的每個(gè)層都是獨(dú)立測(cè)試的。圖4展示了傳統(tǒng)SSD模型和改進(jìn)的SSD模型的利用特征形式。

圖4 特征形式比較圖

本文使用的主要網(wǎng)絡(luò)是Resnet101，將特征金字塔分成三個(gè)部分，一個(gè)自底向上的路徑、一個(gè)自頂向下的路徑和中間連接的部分，如圖5所示。

圖5 特征金字塔路徑結(jié)構(gòu)圖

自底向上的路徑：自底向上的路徑是卷積網(wǎng)絡(luò)的前饋計(jì)算，該算法計(jì)算由不同比例的特征映射組成的特征層級(jí)。具體到這個(gè)改進(jìn)網(wǎng)絡(luò)，本文使用conv3_x這個(gè)原始resnet101中的卷積層和后面擴(kuò)展的三層SSD卷積層，將這些特征輸出表示為{C3,C6,C7,C8}。

自頂向下的路徑：自頂向下的路徑是將高層網(wǎng)絡(luò)上的更強(qiáng)的語(yǔ)義特征通過(guò)上采樣的方式來(lái)強(qiáng)化低層網(wǎng)絡(luò)上高分辨率的特征圖。接著通過(guò)橫向連接自底向上的路徑，增強(qiáng)高層特征。每個(gè)橫向連接自底向上路徑和自頂向下路徑的特征圖具有相同的尺寸。將低分辨率的特征圖做2倍上采樣（為了簡(jiǎn)單起見，使用最近鄰上采樣）。然后通過(guò)按元素相加，將上采樣映射與相應(yīng)的自底而上映射合并。這個(gè)過(guò)程是迭代的，直到生成最終的分辨率圖。

為了開始迭代，只需在C8上附加一個(gè)1×1卷積層來(lái)生成低分辨率圖P8。最后，為了減少上采樣引起的混疊效應(yīng)，需要在每個(gè)合并的圖上額外添加一個(gè)3×3卷積來(lái)生成最終的特征映射。這個(gè)最終的特征映射集稱為{P3,P6,P7,P8}，分別對(duì)應(yīng)于{C3,C6,C7,C8}，它們具有相同的尺寸。

4 模型訓(xùn)練和結(jié)果分析

4.1 實(shí)驗(yàn)工具

本文實(shí)驗(yàn)是在深度學(xué)習(xí)架Caffe[13]框架下進(jìn)行的，因此首先是對(duì)電腦的運(yùn)行環(huán)境完成配置。實(shí)驗(yàn)所需要的環(huán)境以及相對(duì)應(yīng)的軟硬件設(shè)備：采用Ubuntu 16.04、Caffe、CPU為Intel Core i9-6700、GPU使用的是NVIDIA GeForce GTX 1080、顯存12 GB、內(nèi)存128 GB、CUDA 8.0版本以及對(duì)應(yīng)的CUDNN 5.1版本的深度神經(jīng)網(wǎng)絡(luò)加速庫(kù)。

4.2 基于實(shí)驗(yàn)數(shù)據(jù)與預(yù)處理

實(shí)驗(yàn)所需要的水果圖片是由部分網(wǎng)上下載的圖片和在果園實(shí)地拍攝的圖片，為減小深度學(xué)習(xí)訓(xùn)練運(yùn)行時(shí)龐大計(jì)算量，先對(duì)實(shí)驗(yàn)圖片進(jìn)行預(yù)處理縮放后，在簡(jiǎn)單縮放中，本文的目的是通過(guò)對(duì)數(shù)據(jù)的每一個(gè)維度的值進(jìn)行重新調(diào)節(jié)（這些維度可能是相互獨(dú)立的），使得最終的數(shù)據(jù)向量落在[0，1]或[-1，1]的區(qū)間內(nèi)，然后按照PASCAL VOC[14]數(shù)據(jù)集格式制作，分成互斥的訓(xùn)練集、測(cè)試集和驗(yàn)證集三部分，如表1所示。數(shù)據(jù)集制作過(guò)程中使用labelImg來(lái)標(biāo)注圖片，每張圖片標(biāo)注完成后會(huì)生成.xml文件20，生成的文件中包含標(biāo)注框中四個(gè)角的真實(shí)坐標(biāo)位置，可以表示為感興趣區(qū)域四元組參數(shù)(xmin,ymin,xmax,ymax)，部分?jǐn)?shù)據(jù)仿真圖如圖6所示。

表1 水果數(shù)據(jù)集

圖6 數(shù)據(jù)集制作圖

在評(píng)估模型的準(zhǔn)確性時(shí)，根據(jù)輸出框和標(biāo)簽框的符合率確定匹配分?jǐn)?shù)，為網(wǎng)絡(luò)模型提供預(yù)定義的輸出。一般來(lái)說(shuō)，一個(gè)比較成功的神經(jīng)網(wǎng)絡(luò)需要大量的參數(shù)。神經(jīng)網(wǎng)絡(luò)的許多參數(shù)都是數(shù)以百萬(wàn)計(jì)的，這些參數(shù)可以正確工作，需要大量的數(shù)據(jù)進(jìn)行訓(xùn)練。在實(shí)際情況中，數(shù)據(jù)并沒(méi)有實(shí)際想象的那么多。因此通過(guò)使用額外的合成對(duì)數(shù)據(jù)進(jìn)行修改，并訓(xùn)練所需的神經(jīng)網(wǎng)絡(luò)。常用的數(shù)據(jù)增強(qiáng)方法包括裁剪、平移、顏色抖動(dòng)和水平翻轉(zhuǎn)等。本文因數(shù)據(jù)采集較少，采用水平翻轉(zhuǎn)的數(shù)據(jù)增強(qiáng)方法來(lái)驗(yàn)證改進(jìn)SSD模型的泛化能力。

本文采用的是端到端的檢測(cè)模型，用于自然環(huán)境下的水果識(shí)別檢測(cè)中，因?yàn)榇?xùn)練的數(shù)據(jù)集較小并且與ImageNet[15]數(shù)據(jù)集相似，利用遷徙學(xué)習(xí)[16]來(lái)訓(xùn)練該檢測(cè)模型，這樣大大節(jié)省了新模型損失值收斂時(shí)間。為了更加直觀顯示深度卷積神經(jīng)網(wǎng)絡(luò)的運(yùn)作，本文將特征提取層做可視化操作，圖7所示是根據(jù)經(jīng)典SSD512模型得到的卷積Conv4_3層。Conv4_3層是該模型特征提取的第一層，可以看出檢測(cè)水果的外貌特征，經(jīng)過(guò)多層的卷積語(yǔ)義表達(dá)之后可以得到水果的目標(biāo)區(qū)域。

4.2.1 實(shí)驗(yàn)?zāi)Ｐ驮O(shè)計(jì)

實(shí)驗(yàn)中，經(jīng)典SSD512模型檢測(cè)效果并不理想，和預(yù)期的識(shí)別精度相差較多，出現(xiàn)漏框和誤框等情況。精度不高，泛化性不強(qiáng)是經(jīng)典SSD模型出現(xiàn)的問(wèn)題針對(duì)以上問(wèn)題，本文按照之前的改進(jìn)方法，將VGG輸入模型替換為ResNet-101，并按照特征金字塔網(wǎng)絡(luò)搭建網(wǎng)絡(luò)，并對(duì)數(shù)據(jù)增強(qiáng)后進(jìn)行精度對(duì)比。

4.2.2 實(shí)驗(yàn)?zāi)Ｐ陀?xùn)練參數(shù)設(shè)置

圖7 SSD512檢測(cè)實(shí)例圖

為了節(jié)省訓(xùn)練時(shí)間及加快收斂速度，本文將與預(yù)訓(xùn)練好的SSD網(wǎng)絡(luò)的底層結(jié)構(gòu)權(quán)值參數(shù)共享。使用隨機(jī)梯度下降算法，學(xué)習(xí)動(dòng)量設(shè)為0.9，初始學(xué)習(xí)率設(shè)為10-3，權(quán)重衰減為5×10-4，批處理尺寸為32。前5×104次迭代學(xué)習(xí)率不變，后5×104次迭代學(xué)習(xí)率設(shè)為10-4。將訓(xùn)練得到的權(quán)重作為本文初始權(quán)重。

在訓(xùn)練過(guò)程中，正樣本的數(shù)量遠(yuǎn)遠(yuǎn)小于負(fù)樣本數(shù)量，導(dǎo)致訓(xùn)練出的分類器效果不好。因此使用困難樣本挖掘（Hardnegative mining）[17]，將其中得分較高的假陽(yáng)（false positive）負(fù)樣本挖掘出，放入網(wǎng)絡(luò)再次訓(xùn)練，提高分類器判別假陽(yáng)性的能力。

4.2.3 評(píng)價(jià)指標(biāo)

目標(biāo)檢測(cè)模型中常用的度量指標(biāo)mAP[18]（mean Average Precision），是用來(lái)評(píng)估模型檢測(cè)精度。計(jì)算mAP之前，首先要計(jì)算數(shù)據(jù)集里每個(gè)類別的平均精度，即

式中，T為數(shù)據(jù)集中含有所需檢測(cè)類別的所有圖像數(shù)目，k表示數(shù)據(jù)集中目標(biāo)對(duì)象的總數(shù)量。若第n個(gè)目標(biāo)是所檢測(cè)目標(biāo)對(duì)象，則Mn為1，反之則Mn為0。Tn表示為前n張圖像中所含檢測(cè)目標(biāo)對(duì)象的個(gè)數(shù)。

得到所有類別的平均精度后，求它們的平均值，即mAP。mAP值越大，代表模型檢測(cè)精度越高，相反則越低。

4.3 結(jié)果分析

為了證明特征金字塔的效果，本文將以下三種網(wǎng)絡(luò)進(jìn)行比較，分別是刪除自上而下路徑的網(wǎng)絡(luò)（低層特征）、刪除了橫向連接的網(wǎng)絡(luò)（上采樣特征）以及采用生成的最后一層做預(yù)測(cè)，本文以SSD512座位區(qū)基礎(chǔ)網(wǎng)絡(luò)模型，mAP（平均精度）作為評(píng)判標(biāo)準(zhǔn)，基于本文的水果數(shù)據(jù)集作為實(shí)驗(yàn)對(duì)象，在C8上附加一個(gè)1×1卷積層來(lái)生成低分辨率圖P8的網(wǎng)絡(luò)即刪除自上而下連接采用最后一層與預(yù)測(cè)；每個(gè)合并的圖上額外添加一個(gè)3×3卷積來(lái)生成最終的特征映射即完整路徑下的FPN網(wǎng)絡(luò)，實(shí)驗(yàn)結(jié)果如表2所示。

表2 FPN網(wǎng)絡(luò)實(shí)驗(yàn)對(duì)比

FPN是將高層特征通過(guò)上采樣與低層網(wǎng)絡(luò)提取的特征進(jìn)行融合，上采樣特征、低層特征、特征融合部分仿真結(jié)果如圖8所示。

圖8 特征預(yù)測(cè)對(duì)比

表3和圖9為本文提出不同網(wǎng)絡(luò)SSD模型檢測(cè)得到的對(duì)比結(jié)果。從表中得到的數(shù)據(jù)可以看出，經(jīng)典SSD模型的檢測(cè)精度不如改進(jìn)后SSD模型。從實(shí)驗(yàn)得到的結(jié)果圖來(lái)看，經(jīng)典SSD模型在對(duì)小物體進(jìn)行檢測(cè)時(shí)容易出現(xiàn)漏框，誤框等情況，而改進(jìn)后的模型相較于經(jīng)典SSD模型有較為顯著的提升。

表3 不同SSD網(wǎng)絡(luò)模型檢測(cè)對(duì)比%

同時(shí)本文也繼續(xù)對(duì)改進(jìn)模型的收斂性做出驗(yàn)證，在數(shù)據(jù)集上進(jìn)行損失分析。損失（Loss）函數(shù)隨迭代次（Steps）數(shù)的變化曲線如圖10所示。通過(guò)比較經(jīng)典SSD和改進(jìn)SSD的損失曲線圖可以看出，雖然改進(jìn)SSD在起始階段損失值略微大于SSD，但是隨著迭代次數(shù)的增加其模型迅速收斂，并隨著迭代的進(jìn)行而穩(wěn)步降低直到趨于穩(wěn)定。

圖9 改進(jìn)前后SSD512模型檢測(cè)對(duì)比

圖10 損失曲線圖

經(jīng)典SSD模型對(duì)小目標(biāo)不能取得較好檢測(cè)結(jié)果的原因SSD是一種基于全卷積的網(wǎng)絡(luò)的檢測(cè)器，使用不同網(wǎng)絡(luò)層來(lái)提取不同大小物體的特征。這中間有個(gè)矛盾，低層網(wǎng)絡(luò)的特征圖大，但語(yǔ)義不夠；高層網(wǎng)絡(luò)的語(yǔ)義夠了，但經(jīng)過(guò)模型中較多降維的池化層，使得獲得的特征圖變小。要檢測(cè)小物體，需要在網(wǎng)絡(luò)模型中充分使用較低層網(wǎng)絡(luò)，獲得更充分的特征來(lái)實(shí)現(xiàn)在特征圖上完成更加精密的采樣，同時(shí)也需要高層網(wǎng)絡(luò)的語(yǔ)義信息來(lái)完成對(duì)檢測(cè)目標(biāo)的特征描述。而改進(jìn)后的模型將基礎(chǔ)網(wǎng)絡(luò)模型替換為深度殘差網(wǎng)絡(luò)ResNet-101并利用FPN將高層特征通過(guò)上采樣與低層網(wǎng)絡(luò)提取的特征進(jìn)行融合，充分利用低層網(wǎng)絡(luò)的特征提取和高層網(wǎng)絡(luò)的語(yǔ)義信息，通過(guò)改進(jìn)來(lái)提高小目標(biāo)檢測(cè)精度。

深度學(xué)習(xí)算法需要大量的訓(xùn)練數(shù)據(jù)，由于受特定背景環(huán)境和實(shí)驗(yàn)設(shè)備帶來(lái)的限制，本文并沒(méi)有收集不到太多的數(shù)據(jù)源。為了增加實(shí)驗(yàn)的泛化性和魯棒性，沿著水平方向翻轉(zhuǎn)圖像，擴(kuò)大數(shù)據(jù)集。數(shù)據(jù)集經(jīng)數(shù)據(jù)增強(qiáng)[19]后，將原有的圖像數(shù)據(jù)沿水平方向翻轉(zhuǎn)，擴(kuò)展了數(shù)據(jù)集數(shù)量，圖11是在水果訓(xùn)練集和測(cè)試集上訓(xùn)練得到的損失曲線圖，通過(guò)實(shí)驗(yàn)觀察，測(cè)試集從起始階段就具有較低的損失，同時(shí)隨著迭代的進(jìn)行，雖然測(cè)試集上的損失值始終略低于訓(xùn)練集。但是測(cè)試集和訓(xùn)練集的損失曲線具有相同的趨勢(shì)，且最終穩(wěn)定在一定區(qū)域。可見改進(jìn)SSD模型在保持了檢測(cè)精度和收斂性能的同時(shí)具有較高的魯棒性。

圖11 訓(xùn)練/測(cè)試損失曲線圖

該操作后的檢測(cè)結(jié)果如表4中所示。由表中數(shù)據(jù)所示，經(jīng)數(shù)據(jù)增強(qiáng)后的數(shù)據(jù)集，對(duì)網(wǎng)絡(luò)的檢測(cè)精度都有提升。改進(jìn)后SSD300模型檢測(cè)精度提高了0.24%，SSD512模型檢測(cè)精度提高了0.21%。數(shù)據(jù)增強(qiáng)后的改進(jìn)模型平均檢測(cè)精度可達(dá)至83.29%和84.45%，有效減少了網(wǎng)絡(luò)過(guò)擬合的問(wèn)題，通過(guò)數(shù)據(jù)增強(qiáng)這一技巧獲得的網(wǎng)絡(luò)模型泛化能力更強(qiáng)，能更好實(shí)現(xiàn)相關(guān)應(yīng)用場(chǎng)景下的適用。

表4 數(shù)據(jù)增強(qiáng)后不同SSD模型檢測(cè)對(duì)比%

5 結(jié)束語(yǔ)

提出了一種基于改進(jìn)SSD深度學(xué)習(xí)模型水果檢測(cè)的研究。本文以蘋果、橙子、荔枝作為研究對(duì)象，自然環(huán)境為下研究背景。首先將經(jīng)典SSD模型中的基礎(chǔ)訓(xùn)練網(wǎng)絡(luò)VGG替換成能隨著網(wǎng)絡(luò)加深精度不下降的ResNet-101網(wǎng)絡(luò)，接著在改進(jìn)底層語(yǔ)義信息的方法利用特征金字塔網(wǎng)絡(luò)的方式搭建網(wǎng)絡(luò)模型，進(jìn)而將在大數(shù)據(jù)集上（ImageNet數(shù)據(jù)集）訓(xùn)練好的權(quán)重參數(shù)賦值給改進(jìn)的模型，完成對(duì)目標(biāo)水果檢測(cè)模型的訓(xùn)練。最后通過(guò)數(shù)據(jù)增強(qiáng)的技巧，將檢測(cè)精度提再次提升。實(shí)驗(yàn)數(shù)據(jù)表明：改進(jìn)的SSD300和SSD512兩個(gè)模型在精度上比經(jīng)典SSD模型提高了2.47%和3.41%，驗(yàn)證了本文提出的改進(jìn)方法的有效性。接下去要對(duì)已改善的模型進(jìn)行更大數(shù)據(jù)集的訓(xùn)練與時(shí)效性的實(shí)驗(yàn)，希望對(duì)水果的自動(dòng)采摘化進(jìn)行進(jìn)一步的研究。