樊湘鹏，许 燕,2，周建平,2,3,*，刘新德，汤嘉盛

(1.新疆大学 机械工程学院，新疆 乌鲁木齐 830047；2.新疆大学 新疆维吾尔自治区农牧机器人及智能装备工程技术研究中心，新疆 乌鲁木齐 830047；3.新疆叶城县核桃产业研究中心，新疆 叶城 844900)

0 引言

新疆核桃种植面积为35万hm2，年产量近70万吨，居全国第二位。核桃产业作为新疆特色林果业，在地方国民经济中占有很重要的地位[1]。当前核桃采收方式主要为人工用长杆敲打使核桃振落，劳动强度大且效率低；采用大型拖拉悬挂式振动收获机时，若振动幅度和频率过大会损伤树枝树体，振幅过小则无法落果。采用机器人或机械臂对果树采摘可大大减轻果园劳动者的负担、提高工作效率。核桃园林环境和核桃树长势复杂，果实分布不均匀、叶片遮挡严重，果实颜色和叶片颜色极具相似性。因此，为实现核桃的自动采摘，前期的精准识别和定位至关重要。传统机器视觉方法在复杂环境中提取特征困难、鲁棒性差，且通常只能一次识别单个果实目标，因此很难满足工作需求。近年来随着深度学习出现，基于卷积神经网络的目标检测方法体现出巨大的优越性[2]，被广泛应用于图像识别领域[3-6]，并在农业病虫害识别[7-8]、叶片检测[9]、杂草定位[10]和果实识别[11]等方面均有较大进展。赵德安等[12]使用YOLO模型对复杂背景下的苹果进行定位，其平均精度为87.71%，检测视频的帧率达到60帧/s。王丹丹等[13]利用R-FCN模型对苹果进行检测，单张图像检测耗时为187 ms。Tian等[12]以改进的YOLO v3模型研究了不同生长阶段的苹果，F1值达到81.7%。……