朱启兵 张 梦 刘振方 黄 敏 李学成

(江南大学轻工过程先进控制教育部重点实验室， 无锡 214122)

0 引言

金桔果实的数量及其生长分布状态是决定盆栽金桔品质和销售价格的重要指标[1-2]。在果实成熟前进行准确的果实计数和产量预估，能够帮助种植者做出更具成本效益的决策。

随着机器视觉技术的发展，机器视觉成像方法被引入水果识别领域。利用RGB图像进行水果识别已有大量研究[3-4]。RGB图像易受光照影响，所提供信息有限，不能准确反映果实的真实大小和空间位置信息，当水果颜色与背景差异性较小时更难进行识别，因此有学者将三维信息引入水果识别的研究中。TAO等[5]提出了一种融合颜色特征和三维几何特征的三维描述子，基于支持向量机分类器并采用遗传算法优化，对苹果点云进行分割和识别。NGUYEN等[6]获取苹果彩色点云数据，对预处理后的果实点云进行欧氏聚类分割，采用Hough圆检测识别红色苹果和双色苹果。上述传统的图像处理技术通常需要人为提取特征，耗时较长，深度学习技术通过学习的方式获取图像特征，避免了主观因素的影响，近年来逐渐被引入到水果识别领域。MU等[7]通过迁移学习将Faster R-CNN应用到未成熟番茄的检测上，并且对番茄的位置和大小进行估计。LIU等[8]融合RGB图像和近红外图像输入VGG16网络对猕猴桃进行识别，并比较不同融合方法对识别结果的影响。基于深度学习的水果识别方法虽然能够达到较高的识别精度和速度，但模型的训练需要大量标记图像，采集和标记图像需要大量的时间和劳动，同时模型的训练和运行也需要更好的硬件条件[9]。……