林 静， 徐月华

(1. 茂名职业技术学院机电信息系，广东 茂名 525000; 2. 广东机电职业技术学院，广东 广州 510641)

0 引 言

获取水果姿态信息在农业生产中具有重要的研究意义，在水果自动化加工中如龙眼去核[1]、莲子取芯[2]、杏果去核[3]、沙果去核[4]、柚子套袋[5]中都需要对水果定向摆放以提高加工效果和加工效率，在水果自动化套袋、采摘时需要完成目标检测定位外，还需要获取水果的姿态信息进一步调整机械手的动作，以更好地抓取或剪切[5-6]，因此获取水果姿态信息在农业自动化生产加工中具有重要的研究意义。随着劳动力成本的增加和农业智能化、自动化技术的发展，部分物理特征明显的水果，如杏果、苹果等轴向特征明显，沙田柚的大小头特征明显[3，5]等，可利用其物理特性设计专门的自动化定向装置，以满足自动化加工的需求。但很多水果如龙眼品种多、形状各异、大小头特征不明显[1]，莲子通常呈圆球状、莲心处物理特征不明显，则难以利用物理特征设计装置实现定向[7]。

利用图像特征进行目标识别、检测、定位的机器视觉技术在水果自动化采摘、加工领域已经获得了应用[6-8]，特别是随着深度卷积神经网络的发展，图像识别的准确率得到较大提高，但算法性能提升除了依靠算法模型，庞大的数据也是支撑算法模型性能提升的关键，如ImageNet已有千万张的图像数据[9]。但针对特定的应用场景（如水果姿态图像的识别检测等）数据集非常有限，图片数量非常少，即使采用迁移学习等相关技术可以降低特定场景图像数量的要求，但仍需要几百张图片才能训练出可接受的结果，而人手工拍摄采集图像的效率低、成本高、质量差异大，并且采集的图像还需要人工标注、工作量大。……