张文利，陈开臻，刘鈺昕，段玉林，郭 威，史 云※

（1.北京工业大学信息学部，北京100124；2.中国农业科学院农业资源与农业区划研究所，北京100081；3.日本东京大学田间表型实验室，东京188-0002）

0 引言

当前我国农业信息化水平相对发达国家仍较落后，存在单产低、成本较高等问题。柑橘作为我国种植面积最大水果作物之一，可利用果实检测技术使果农实时掌握果园果实生长状态，根据需求对生产资料的投入进行精细调整，降低成本。果实检测技术可从图片中获取目标果实的位置和类别信息，是果实估产［1-2］、果实自动采摘［3-4］、果实分炼［5］等果园工作技术的基础，能否快速、准确地检测目标果实直接影响果园相关工作的效率。

针对果园中果实目标检测工作，许多学者也展开了广泛研究。一些研究基于手工设计的特征提取算法设计果实检测系统，李寒等［6］提出基于RGB图像的蓝莓估产方法和绿色柑橘估产方法，该算法通过提取颜色、纹理、形状等多种特征，对特征图进行分类，分别对多种分类器进行测试比较并获取良好的检测结果。成芳等［7］提出应用于柑橘采摘机器人的果实检测算法，算法通过利用HSV图像和Canny边缘算子提取，获取图片中柑橘边缘特征信息并通过椭圆拟合确定目标柑橘位置信息。尽管上述方法能够检测到图像中的果实，但基于特征提取的检测方法，系统整体上表现精度低、鲁棒性弱、速度慢等缺点，检测效果较差。

近年来，深度卷积神经网络在许多计算机视觉任务（如目标检测和目标分类）中表现优异。……