基于多尺度與混合注意力機(jī)制的蘋果目標(biāo)檢測(cè)

毛騰躍，宋陽(yáng)，鄭祿

（中南民族大學(xué) 計(jì)算機(jī)科學(xué)學(xué)院& 湖北省制造企業(yè)智能管理工程技術(shù)研究中心，武漢 430074）

在蘋果產(chǎn)業(yè)中，蘋果采摘機(jī)器人在解決人工采摘效率低、采摘成本高以及勞動(dòng)力短缺等問題時(shí)發(fā)揮著重要作用.視覺系統(tǒng)是采摘機(jī)器人高效完成采摘任務(wù)的關(guān)鍵因素，然而自然環(huán)境下生長(zhǎng)的果實(shí)，受果實(shí)重疊、枝葉遮擋、光照等諸多因素的干擾，增加了采摘機(jī)器人視覺系統(tǒng)的識(shí)別難度，降低了采摘的成功率［1-2］.因此要實(shí)現(xiàn)果實(shí)的自動(dòng)化采摘，首要的任務(wù)是解決自然環(huán)境下果實(shí)目標(biāo)的精準(zhǔn)檢測(cè).

目前國(guó)內(nèi)外在蘋果目標(biāo)檢測(cè)方面的研究已取得一定進(jìn)展［3-5］.JI 等［6］提出一種基于顏色和形狀特征的支持向量機(jī)果實(shí)識(shí)別算法，識(shí)別準(zhǔn)確率為89%，識(shí)別一幅圖像的時(shí)間是352 ms.但針對(duì)葉片遮擋的情況，識(shí)別的平均錯(cuò)誤率較高.王丹丹等［7］針對(duì)無(wú)遮擋的蘋果目標(biāo)采用K-means 聚類算法和Normalized Cut（Ncut）算法進(jìn)行目標(biāo)輪廓的提取，而對(duì)于雙果重疊導(dǎo)致的蘋果輪廓信息不完整的問題，則采用Spline 插值算法進(jìn)行輪廓重建，平均分割誤差和平均分割重合度分別可以達(dá)到5.24% 和93.81%.孫颯爽等［8］針對(duì)枝條遮擋下的單個(gè)蘋果目標(biāo)，在Lab 顏色空間下，采用K-means 聚類算法分割圖像中的蘋果目標(biāo)，然后采用數(shù)學(xué)形態(tài)學(xué)方法提取果實(shí)的輪廓信息，再依次進(jìn)行空洞填充、偽輪廓去除等操作，最后采用輪廓的曲率特征對(duì)蘋果目標(biāo)進(jìn)行重建，重建的準(zhǔn)確率在84%以上.劉曉洋等［9］針對(duì)自然環(huán)境下著色不均勻的蘋果目標(biāo)，提出一種基于超像素特征的果實(shí)分割方法，首先采用SLIC 簡(jiǎn)單線性迭代聚類算法將圖像進(jìn)行超像素的分割，然后提取每個(gè)超像素的顏色和紋理特征，最后采用SVM 支持向量機(jī)對(duì)其進(jìn)行分類.上述方法主要利用果實(shí)的顏色、形狀與紋理特征等信息人工提取特征，然后通過分類器得到預(yù)測(cè)結(jié)果，算法的局限性大，表達(dá)能力有限，魯棒性差，難以滿足采摘機(jī)器人在自然環(huán)境下工作的需求.

近年來(lái)，隨著深度學(xué)習(xí)的興起與發(fā)展，許多研究者將卷積神經(jīng)網(wǎng)絡(luò)應(yīng)用到農(nóng)業(yè)領(lǐng)域中，取得了顯著的成果.BARGOTI 等［10］提出基于數(shù)據(jù)增廣技術(shù)的Faster R-CNN［11］檢測(cè)算法，驗(yàn)證了數(shù)據(jù)增廣技術(shù)對(duì)于水果檢測(cè)的有效性.MAI 等［12］提出將一個(gè)多分類器融入到Faster R-CNN 網(wǎng)絡(luò)中，用于小水果的檢測(cè).王丹丹等［13］提出基于ResNet-44 的R-FCN（Region-Based Fully Convolutional Network）用于識(shí)別疏果前的蘋果目標(biāo)，識(shí)別精度和速度均有提高.TIAN 等［14］提出YOLOv3-Dense 算法用于檢測(cè)果園中不同生長(zhǎng)階段的蘋果.岳有軍等［15］提出在Mask RCNN 的網(wǎng)絡(luò)中添加邊界加權(quán)損失函數(shù)對(duì)蘋果目標(biāo)進(jìn)行檢測(cè).相比傳統(tǒng)的機(jī)器學(xué)習(xí)方法，上述方法避免了人工設(shè)計(jì)特征的不足，檢測(cè)算法性能明顯提升.但是面對(duì)復(fù)雜的自然環(huán)境，當(dāng)前算法的檢測(cè)精度仍達(dá)不到實(shí)際應(yīng)用的要求.針對(duì)以上研究工作存在的問題，本文在YOLOv3 的基礎(chǔ)上，提出一種基于多尺度與混合注意力機(jī)制的目標(biāo)檢測(cè)模型PM-YOLOv3.首先，為了提高模型的多尺度特征表達(dá)能力，引入多尺度卷積對(duì)標(biāo)準(zhǔn)卷積進(jìn)行優(yōu)化，重新構(gòu)建YOLOv3 的特征提取網(wǎng)絡(luò)；然后，在卷積模塊間引入注意力模塊，增強(qiáng)重要特征的表達(dá)能力；最后采用K-means 算法對(duì)先驗(yàn)框重新進(jìn)行聚類，獲取最優(yōu)的先驗(yàn)框尺寸.本文所提出的PM-YOLOv3 檢測(cè)模型不僅能夠提高檢測(cè)性能，對(duì)于復(fù)雜環(huán)境下的蘋果目標(biāo)檢測(cè)也更具魯棒性.

1 YOLOv3與CBAM結(jié)構(gòu)

1.1 YOLOv3

YOLOv3 是單階段的端到端目標(biāo)檢測(cè)算法，它的核心思想是將整張圖片直接輸入網(wǎng)絡(luò)，然后提取圖片中的特征信息來(lái)預(yù)測(cè)目標(biāo)的位置和類別.YOLOv3 主要由特征提取網(wǎng)絡(luò)、多尺度預(yù)測(cè)層兩部分組成，其網(wǎng)絡(luò)結(jié)構(gòu)如圖1所示.

圖1 YOLOv3網(wǎng)絡(luò)結(jié)構(gòu)Fig.1 YOLOv3 network structure

YOLOv3 的特征提取網(wǎng)絡(luò)DarkNet-53［16］借鑒殘差網(wǎng)絡(luò)ResNet［17］的思想，在網(wǎng)絡(luò)中使用大量的殘差結(jié)構(gòu)，避免神經(jīng)網(wǎng)絡(luò)在網(wǎng)絡(luò)層數(shù)過深時(shí)發(fā)生梯度彌散.DarkNet-53 是一個(gè)具有53 個(gè)卷積層的全卷積神經(jīng)網(wǎng)絡(luò)，網(wǎng)絡(luò)結(jié)構(gòu)中主要使用3×3 和1×1 的卷積構(gòu)建殘差模塊，去除了池化層，特征圖的降采樣采用步長(zhǎng)為2 的卷積進(jìn)行替換，在每個(gè)卷積層后分別使用批量歸一化和激活函數(shù)，加快算法的收斂速度，同時(shí)防止模型出現(xiàn)過擬合的現(xiàn)象.

YOLOv3 的預(yù)測(cè)層為了解決小目標(biāo)檢測(cè)不敏感的問題，采用3 個(gè)不同尺度進(jìn)行目標(biāo)檢測(cè).3 個(gè)尺度分別是13×13、26×26、52×52，其中最小的13×13 特征圖感受野較大，用于檢測(cè)圖像中較大的目標(biāo)，而較大的52×52 的特征圖由于其具有較小的感受野，因此用于檢測(cè)圖像中較小的目標(biāo).

1.2 CBAM

注意力機(jī)制是深度學(xué)習(xí)領(lǐng)域中一個(gè)重要的概念，學(xué)者們?cè)诓煌膽?yīng)用領(lǐng)域?qū)ζ溥M(jìn)行了充分的研究.它的作用是讓算法將注意力更多地集中在重點(diǎn)區(qū)域，獲得該區(qū)域更多的細(xì)節(jié)信息，抑制無(wú)用的信息.CBAM［18］是一種由空間注意力機(jī)制和通道注意力機(jī)制兩個(gè)部分組成的注意力模型，對(duì)于卷積神經(jīng)網(wǎng)絡(luò)中生成的特征圖，可以在通道與空間兩個(gè)維度，依次進(jìn)行推導(dǎo)，分別得到兩個(gè)權(quán)重系數(shù)，然后將權(quán)重系數(shù)與輸入的特征圖相乘，得到最終的特征圖.由于CBAM 是一個(gè)輕量級(jí)的注意力模塊，可以在各種神經(jīng)網(wǎng)絡(luò)中添加，并進(jìn)行訓(xùn)練，在保持開銷較小的同時(shí)提高神經(jīng)網(wǎng)絡(luò)的性能.注意力模塊結(jié)構(gòu)如圖2所示.

圖2 CBAM注意力機(jī)制模塊Fig.2 CBAM attention mechanism module

2 改進(jìn)的YOLOv3網(wǎng)絡(luò)

2.1 特征提取網(wǎng)絡(luò)的改進(jìn)

YOLOv3使用的特征提取網(wǎng)絡(luò)是DarkNet-53，網(wǎng)絡(luò)中大量采用3×3 和1×1 的常規(guī)卷積，而常規(guī)卷積在進(jìn)行運(yùn)算時(shí)，直接對(duì)輸入的特征圖進(jìn)行卷積，得到輸出特征圖，獲取到的特征信息有限.而且采摘機(jī)器人進(jìn)行采摘任務(wù)時(shí)其視覺系統(tǒng)獲取的圖像中往往存在多個(gè)尺度的目標(biāo)，距離攝像頭較近的目標(biāo)尺寸偏大，而距離較遠(yuǎn)的則尺寸較小，因此，如果仍然采用常規(guī)卷積進(jìn)行特征的提取，會(huì)導(dǎo)致提取到的部分特征信息丟失，出現(xiàn)漏檢的情況.

針對(duì)上述問題，本文在YOLOv3 網(wǎng)絡(luò)結(jié)構(gòu)的基礎(chǔ) 上，引 入 多 尺 度 卷 積PSConv［19］（Poly-Scale Convolution），替換特征提取網(wǎng)絡(luò)中的常規(guī)卷積，以更精細(xì)的粒度進(jìn)行多尺度特征融合，增強(qiáng)神經(jīng)網(wǎng)絡(luò)對(duì)尺度變化的魯棒性.多尺度卷積針對(duì)單個(gè)的卷積層，使用多種不同的擴(kuò)張率，并將它們均勻地分配到每個(gè)濾波器的單個(gè)卷積核中.這些擴(kuò)張率沿著濾波器的輸入和輸出通道軸周期地進(jìn)行變化，集成多尺度特征.在神經(jīng)網(wǎng)絡(luò)中采用多尺度卷積替換常規(guī)卷積，可以在不增加計(jì)算復(fù)雜度的情況下，進(jìn)行更細(xì)粒度的多尺度特征學(xué)習(xí)，獲得圖像的重要特征，提高算法的特征提取能力.

對(duì)于多尺度卷積，設(shè)F∈RCin×H×W表示輸入的特征圖，在卷積濾波器G∈RCout×K×K的不同卷積核中，采用不同的擴(kuò)張率，然后與輸入張量進(jìn)行卷積，得到輸出特征圖H∈RCout×H×W，其中D∈RCout×Cin是由兩個(gè)正交維護(hù)中的通道方向和濾波器方向的擴(kuò)張率組成的矩陣，元素D(c，k)與濾波器中的特定通道相關(guān)聯(lián)，其詳細(xì)計(jì)算過程如公式（1）所示：

改進(jìn)后的特征提取網(wǎng)絡(luò)結(jié)構(gòu)如圖3 所示，保留原網(wǎng)絡(luò)中輸出尺寸為208×208 和104×104 的兩個(gè)殘差模塊，將輸出尺寸為52×52、26×26 和13×13 的三個(gè)殘差模塊中的3×3 卷積采用多尺度卷積替換，提高算法的多尺度特征提取能力.

圖3 改進(jìn)的YOLOv3網(wǎng)絡(luò)結(jié)構(gòu)Fig.3 Improved YOLOv3 network structure

將普通卷積替換為多尺度卷積后，雖然能夠不增加計(jì)算的復(fù)雜度，但是過深的網(wǎng)絡(luò)層數(shù)，仍然會(huì)存在大量的參數(shù).因此，繼續(xù)對(duì)網(wǎng)絡(luò)的層數(shù)進(jìn)行削減，將輸出尺寸為52×52、26×26 的兩個(gè)殘差模塊的數(shù)量由原來(lái)的8 個(gè)減少為6 個(gè)，構(gòu)建了45 層的特征提取網(wǎng)絡(luò)，在提高檢測(cè)準(zhǔn)確性的同時(shí)，保證了檢測(cè)速度.

2.2 增加注意力機(jī)制

自然環(huán)境下生長(zhǎng)的果實(shí)，受樹葉遮擋、枝條遮擋等干擾因素的影響，導(dǎo)致蘋果采摘機(jī)器人采集到的圖像，背景信息復(fù)雜多變，給果實(shí)的識(shí)別與定位帶來(lái)了困難.因此本文借鑒注意力機(jī)制的特點(diǎn)，在YOLOv3 網(wǎng)絡(luò)中，添加CBAM 注意力模塊以加強(qiáng)算法在復(fù)雜的背景中獲取更多的豐富的特征信息，提高算法檢測(cè)的準(zhǔn)確率.

YOLOv3 的多尺度預(yù)測(cè)層，采用了類似FPN［20］（Feature Pyramid Networks）的結(jié)構(gòu)，將特征提取網(wǎng)絡(luò)中提取到的特征信息，在3個(gè)不同尺度上進(jìn)行融合，然后進(jìn)行目標(biāo)檢測(cè).因此本文在YOLOv3 特征提取網(wǎng)絡(luò)的基礎(chǔ)上，對(duì)多尺度預(yù)測(cè)層中的每個(gè)分支中分別添加一個(gè)CBAM 模塊，將特征提取網(wǎng)絡(luò)中獲取到的特征信息，在通道和空間兩個(gè)維度上使用注意力機(jī)制，進(jìn)行權(quán)重的自適應(yīng)學(xué)習(xí)，以較小的開銷提升算法的檢測(cè)性能.

2.3 先驗(yàn)框改進(jìn)

先驗(yàn)框是一組預(yù)先定義好的具有不同尺寸的固定的參考框.在進(jìn)行目標(biāo)檢測(cè)時(shí)，首先將先驗(yàn)框作為初始預(yù)測(cè)，然后進(jìn)行回歸調(diào)整.采用與數(shù)據(jù)集相匹配的先驗(yàn)框，不僅可以加快模型的收斂速度，而且可以進(jìn)一步提升目標(biāo)檢測(cè)的精度.YOLOv3 中采用的9 個(gè)先驗(yàn)框是在COCO 數(shù)據(jù)集上采用K-means 聚類算法得到的，比較適合多個(gè)類別目標(biāo)的檢測(cè).

從表1可以得到，重慶地區(qū)的機(jī)插水稻面積2007年是2006年的21.4倍，2008年相對(duì)于2007年水稻機(jī)插面積增加90%；機(jī)插水稻與傳統(tǒng)手工種植水稻的方法相比較，增產(chǎn)率在10%以上；機(jī)插水稻每年的產(chǎn)量，也在以13.3%以上的速率增長(zhǎng)，因此機(jī)插水稻的使用技術(shù)也在不斷成熟。

由于自建的蘋果數(shù)據(jù)集與COCO 數(shù)據(jù)集中目標(biāo)尺寸不同，如果仍采用原始算法中的先驗(yàn)框進(jìn)行蘋果目標(biāo)的檢測(cè)，則會(huì)影響算法對(duì)果實(shí)的識(shí)別與定位精度.因此，采用K-means聚類算法，以1-IOU的值來(lái)計(jì)算樣本點(diǎn)到聚類中心的距離，對(duì)自建的數(shù)據(jù)集，重新進(jìn)行聚類，得到9 種不同尺寸的先驗(yàn)框，如表1所示.

表1 先驗(yàn)框尺寸Tab.1 The size of the prior box

3 實(shí)驗(yàn)結(jié)果與分析

3.1 實(shí)驗(yàn)數(shù)據(jù)集

本文采用的數(shù)據(jù)集由兩部分組成：一部分來(lái)源于文獻(xiàn)［10］中的圖片，另一部分是從網(wǎng)上下載的高質(zhì)量圖片，共收集1600張圖片，然后進(jìn)行人工篩選，將重復(fù)的圖像去除，最終獲得1400 張圖片，并將圖片統(tǒng)一按比例縮放為500×375 像素.由于該數(shù)據(jù)集的數(shù)量不足，為了防止算法訓(xùn)練過程中出現(xiàn)過擬合的現(xiàn)象，采用數(shù)據(jù)增廣技術(shù)擴(kuò)充數(shù)據(jù)集，分別對(duì)圖片進(jìn)行水平翻轉(zhuǎn)、垂直翻轉(zhuǎn)、正逆時(shí)針旋轉(zhuǎn)以及添加噪聲等操作，如圖4 所示，共得到2400 張圖片.然后采用LabelImg 圖像標(biāo)注工具對(duì)數(shù)據(jù)集進(jìn)行標(biāo)注（蘋果被遮擋面積≥50%，不進(jìn)行標(biāo)注）.

圖4 數(shù)據(jù)增廣操作Fig.4 Data augmentation operations

3.2 實(shí)驗(yàn)環(huán)境與算法訓(xùn)練

本實(shí)驗(yàn)基于Linux 平臺(tái)通過Python 語(yǔ)言實(shí)現(xiàn)，采用Ubuntu 20.04 的操作系統(tǒng)，硬件配置為Intel（R）Xeon（R）CPU E5-2630 v4 @ 2.20 GHz，顯卡為NVIDIA GeForce GTX1060，采用Pytorch 深度學(xué)習(xí)框架.

算法訓(xùn)練時(shí)，隨機(jī)選取數(shù)據(jù)集中1920張作為訓(xùn)練集，100張作為驗(yàn)證集，380張作為測(cè)試集.網(wǎng)絡(luò)中輸入圖像的尺寸設(shè)置為416×416，批處理的大小為16，動(dòng)量系數(shù)為0.9，權(quán)重衰減正則系數(shù)設(shè)為0.0005，學(xué)習(xí)率的初始值設(shè)置為0.001.

在訓(xùn)練過程中采用Adam 優(yōu)化器自動(dòng)調(diào)整學(xué)習(xí)率.模型進(jìn)行訓(xùn)練的過程中，損失函數(shù)曲線見圖5，可以看出，在前50個(gè)epoch時(shí)，損失下降得比較快，訓(xùn)練100 個(gè)epoch 后，損失函數(shù)下降較慢，訓(xùn)練450 個(gè)epoch時(shí)逐漸趨于平穩(wěn)，算法已經(jīng)達(dá)到了收斂.

圖5 損失函數(shù)曲線Fig.5 Loss function curve

3.3 評(píng)價(jià)指標(biāo)

為了更好地評(píng)估本文改進(jìn)算法的有效性，采用精確率（Precision）、召回率（Recall）、F1分?jǐn)?shù)（F1-score）3 個(gè)指標(biāo)來(lái)對(duì)算法的泛化性能進(jìn)行評(píng)估.F1 分?jǐn)?shù)是精確率P與召回率R的調(diào)和平均（Harmonic Mean），是一個(gè)同時(shí)考慮精確率與召回率的評(píng)價(jià)指標(biāo)，避免精確率或召回率的單一極大值，用于綜合反映整體的指標(biāo).計(jì)算公式為：

其中TP表示樣本為正預(yù)測(cè)的結(jié)果為正；FP表示樣本為負(fù)預(yù)測(cè)的結(jié)果為正；FN表示樣本為正預(yù)測(cè)的結(jié)果為負(fù).

3.4 實(shí)驗(yàn)分析

為了驗(yàn)證本文改進(jìn)方法的有效性，設(shè)計(jì)了消融實(shí)驗(yàn)對(duì)算法的檢測(cè)性能進(jìn)行評(píng)估.其中實(shí)驗(yàn)Ⅰ采用原始的YOLOv3算法，由特征提取網(wǎng)絡(luò)DarkNet53和多尺度預(yù)測(cè)層組成.實(shí)驗(yàn)Ⅱ則采用改進(jìn)后的特征提取網(wǎng)絡(luò)DarkNet45，預(yù)測(cè)層仍使用原算法中的預(yù)測(cè)網(wǎng)絡(luò).實(shí)驗(yàn)Ⅲ采用DarkNet53 作為特征提取網(wǎng)絡(luò)，在預(yù)測(cè)層的3個(gè)分支中添加注意力模塊CBAM.實(shí)驗(yàn)Ⅳ采用本文提出的改進(jìn)算法PM-YOLOv3 進(jìn)行目標(biāo)檢測(cè).實(shí)驗(yàn)結(jié)果如表2所示.

表2 不同改進(jìn)策略的檢測(cè)性能對(duì)比Tab.2 Comparison of detection performance of different improvement strategies

對(duì)比實(shí)驗(yàn)Ⅰ和實(shí)驗(yàn)Ⅱ可以看出，本文對(duì)特征提取網(wǎng)絡(luò)的改進(jìn)是可行的，精確率P、召回率R、F1 值均有顯著的提升，優(yōu)于原始的YOLOv3算法，說明在特征提取網(wǎng)絡(luò)中融入多尺度卷積，能夠有效地融合不同尺度間的內(nèi)在關(guān)系，實(shí)現(xiàn)上下文信息的多尺度提取，提升算法的特征表達(dá)能力.

結(jié)合實(shí)驗(yàn)Ⅰ和實(shí)驗(yàn)Ⅲ的結(jié)果來(lái)看，添加注意力機(jī)制后，檢測(cè)性能也有小幅度的提升，其中F1 值為91.6%.表明注意力機(jī)制模塊，可以將特征提取網(wǎng)絡(luò)中提取到的特征信息，按照重要程度，進(jìn)行權(quán)重的自適應(yīng)分配，使得關(guān)鍵的信息分配較大的權(quán)重，對(duì)于一些無(wú)用的信息則分配較小的權(quán)重，讓算法能夠?qū)⒆⒁饬杏谥攸c(diǎn)的區(qū)域，從而提升算法的檢測(cè)性能.

綜合所有實(shí)驗(yàn)結(jié)果可以看出，改進(jìn)后的算法明顯優(yōu)于原算法，并且將多尺度卷積和注意力機(jī)制進(jìn)行融合的實(shí)驗(yàn)效果是高于單獨(dú)引入其中一個(gè)模塊的，其中精確率P為92.7%，召回率R為94.6%，F(xiàn)1值為93.6%，均有明顯的提升，表明本文的改進(jìn)算法，有利于多尺度目標(biāo)和密集目標(biāo)的檢測(cè)，減少了漏檢的情況，有效地提高了檢測(cè)精度.

3.4.2 不同場(chǎng)景下檢測(cè)效果對(duì)比

為了驗(yàn)證本文對(duì)自然環(huán)境下蘋果目標(biāo)檢測(cè)的有效性，隨機(jī)選取6 張圖片，即包含稀疏完整、重疊遮擋兩種不同情況，采用YOLOv3 和PM-YOLOv3 進(jìn)行目標(biāo)檢測(cè).其中YOLOv3 算法檢測(cè)結(jié)果用綠色標(biāo)注，PM-YOLOv3 檢測(cè)結(jié)果用棕色標(biāo)注.檢測(cè)結(jié)果見圖6.

圖6 不同場(chǎng)景下的檢測(cè)效果對(duì)比Fig.6 Comparison of detection effects in different scenarios

從圖6可知，稀疏完整的蘋果目標(biāo)，因?yàn)闆]有枝葉、枝條遮擋等干擾因素存在，改進(jìn)前后的算法均能準(zhǔn)確地識(shí)別出果實(shí).而對(duì)于重疊遮擋的蘋果目標(biāo)，受遮擋因素的影響，YOLOv3 會(huì)存在漏檢的情況，而本文提出的PM-YOLOv3 算法，檢測(cè)效果優(yōu)于YOLOv3，能夠準(zhǔn)確地檢測(cè)出遮擋情況下的果實(shí).因此，本文的改進(jìn)算法能夠適應(yīng)自然環(huán)境下的蘋果目標(biāo)檢測(cè)，具有較強(qiáng)的泛化能力.

針對(duì)上述兩種情況，采用改進(jìn)前后的算法在測(cè)試集上分別進(jìn)行驗(yàn)證實(shí)驗(yàn)，結(jié)果如表3所示.

從表3 中可以看出，對(duì)于處于不同場(chǎng)景下的蘋果果實(shí)，改進(jìn)后算法的檢測(cè)精度均高于YOLOv3，而且在重疊遮擋的情況下，本文提出的改進(jìn)方法精確率可以達(dá)到90.3%，召回率為92.5%.結(jié)果表明本文所提的改進(jìn)策略是可行的，針對(duì)不同場(chǎng)景下果實(shí)目標(biāo)的檢測(cè)具有較好的檢測(cè)效果.

表3 不同場(chǎng)景下的檢測(cè)性能Tab.3 Detection performance in different scenarios

3.4.3 改進(jìn)后的算法與其他目標(biāo)檢測(cè)算法對(duì)比

為了進(jìn)一步驗(yàn)證本文所提出算法的有效性，將本文的算法PM-YOLOv3 與目標(biāo)檢測(cè)中廣泛使用的其他算法進(jìn)行對(duì)比實(shí)驗(yàn)，包括YOLOv3、Faster R-CNN、YOLOv4［21］，實(shí)驗(yàn)結(jié)果如表4.

表4 改進(jìn)后算法與其他目標(biāo)檢測(cè)算法對(duì)比Tab.4 Comparison between the improved algorithm and other target detection algorithms

從表4可以看出，與其他目標(biāo)檢測(cè)算法相比，本文的算法具有更高的檢測(cè)精度，F(xiàn)1 值可以達(dá)到93.6%.與Faster R-CNN 算法相比，精確率和召回率分 別 提 高6.5% 和6.2%，F(xiàn)1 值 提 高6.3%. 而 與YOLOv4 相比，也有小幅度的提升，驗(yàn)證了本文提出的改進(jìn)策略的有效性，能適用于自然環(huán)境下蘋果目標(biāo)的檢測(cè).

4 結(jié)語(yǔ)

本文針對(duì)自然環(huán)境下蘋果目標(biāo)受環(huán)境影響導(dǎo)致蘋果采摘機(jī)器人識(shí)別與定位不準(zhǔn)確的問題，提出了一種基于多尺度與混合注意力機(jī)制的蘋果目標(biāo)檢測(cè)模型.首先，采用多尺度卷積替換常規(guī)卷積，聚合圖像中的多尺度信息，削減網(wǎng)絡(luò)層數(shù)，在保證算法檢測(cè)速度的同時(shí)，提高算法的檢測(cè)精度；然后，在網(wǎng)絡(luò)的卷積層間添加注意力機(jī)制模塊，增強(qiáng)特征的表達(dá)能力；最后，使用K-means 聚類算法重新聚類先驗(yàn)框.實(shí)驗(yàn)結(jié)果表明：本文的方法可以顯著提高算法的檢測(cè)性能，在測(cè)試集上的F1 值可以達(dá)到93.6%，對(duì)自然環(huán)境下的蘋果目標(biāo)檢測(cè)具有較強(qiáng)的魯棒性，可以為蘋果的自動(dòng)化采摘提供技術(shù)支持.