龙 燕，李南南，高 研，何梦菲，宋怀波

（1. 西北农林科技大学机械与电子工程学院，杨凌 712100；2. 农业农村部农业物联网重点实验室，杨凌 712100；3. 陕西省农业信息感知与智能服务重点实验室，杨凌 712100）

0 引 言

中国是世界上最大的苹果生产国，苹果产业在中国农业中占有重要地位[1]。传统的采摘作业效率低、成本高，同时面临着劳动力短缺的问题，因此开发苹果采摘机器人具有重要的现实意义和广阔的应用前景[2]。视觉系统是苹果采摘机器人的重要组成部分，其主要任务是利用果实颜色、纹理、形状等特征将果实目标与枝叶、天空等背景区域分开，实现果实的识别。然后利用深度传感器等获取深度信息，实现果实的准确定位[3-5]，为末端执行器提供数据来源和决策依据。其中，果实的识别是首要任务也是研究难点。在自然环境下，普遍存在背景复杂、光照多变、枝叶遮挡、重叠严重等因素，大大增加了果实目标识别难度。如何在复杂环境中提高作业可靠性，保持较高的检测精度，对实现果实产量估计及机械化采收起着决定作用[6]。因此，本研究主要利用深度学习网络实现自然环境下苹果目标的检测，为后续的果实定位与机械化采摘提供参考。

近年来，深度学习以其局部感知和权值共享的特点，在目标检测领域得到飞速发展。与传统机器学习[7-8]相比，基于卷积神经网络的深度学习算法，可以自动地从图像中提取特征，获得目标的类别和位置等信息，学习能力强、精度高、鲁棒性好。……