高夢(mèng)圓， 馬雙寶， 董玉婕， 林 巍， 何 毅

(武漢紡織大學(xué)機(jī)械工程與自動(dòng)化學(xué)院，湖北武漢 430073)

蘋果營(yíng)養(yǎng)豐富，含有大量礦物質(zhì)、維生素以及膳食纖維，深受人們喜愛(ài)。因此，華北、西北地區(qū)以及更多地區(qū)成為了蘋果的主產(chǎn)區(qū)。在農(nóng)業(yè)生產(chǎn)中，由于蘋果采摘過(guò)程的復(fù)雜性，采摘作業(yè)需要耗費(fèi)大量勞動(dòng)人力，蘋果的采摘工作約占據(jù)整個(gè)生產(chǎn)工作量的40%。為了加快農(nóng)業(yè)生產(chǎn)的高效快速發(fā)展，推動(dòng)蘋果生產(chǎn)的智能化發(fā)展，利用蘋果采摘機(jī)器人來(lái)代替人工采摘具有重大的現(xiàn)實(shí)意義和廣闊的應(yīng)用前景。

蘋果采摘機(jī)器人主要由視覺(jué)檢測(cè)模塊、機(jī)械結(jié)構(gòu)設(shè)計(jì)和運(yùn)動(dòng)控制3個(gè)部分組成，主要采用機(jī)械臂對(duì)其進(jìn)行采摘。如何快速準(zhǔn)確對(duì)果園的蘋果進(jìn)行檢測(cè)是蘋果采摘機(jī)器人的技術(shù)關(guān)鍵。對(duì)果園中蘋果的視覺(jué)檢測(cè)效果受諸多因素的影響：現(xiàn)場(chǎng)環(huán)境的光照變化劇烈；果實(shí)之間的差異性較大；果實(shí)之間存在相互遮擋重疊狀況；果樹(shù)枝干、樹(shù)葉對(duì)果實(shí)的遮擋；對(duì)蘋果采摘機(jī)器人硬件設(shè)備的計(jì)算要求高，系統(tǒng)設(shè)計(jì)復(fù)雜。上述問(wèn)題成為蘋果采摘機(jī)器人的視覺(jué)檢測(cè)研究的主要障礙。

目前，對(duì)蘋果機(jī)器人視覺(jué)檢測(cè)識(shí)別方面的研究工作取得了一定的進(jìn)展。Fan等提出了以灰度為中心的RGB顏色，利用K-Means聚類算法分割蘋果的技術(shù)，該技術(shù)能有效對(duì)果園蘋果圖像進(jìn)行實(shí)時(shí)分割。Liu等利用顏色空間進(jìn)行候選區(qū)域的提取，再利用HOG特征對(duì)候選區(qū)域的蘋果進(jìn)行檢測(cè)與定位，在速度和精度上取得很好的檢測(cè)效果。張春龍等采用HSV顏色空間對(duì)綠色蘋果進(jìn)行顏色特征提取，并利用支持向量機(jī)(SVM)分類器進(jìn)行分類，有效實(shí)現(xiàn)了青色蘋果的識(shí)別與定位。廖崴等利用RGB顏色空間和Ostu算法將果實(shí)和樹(shù)葉從背景中分割，利用灰度和紋理特征構(gòu)建隨機(jī)森林分類器，識(shí)別蘋果果實(shí)與樹(shù)葉，并利用霍夫圓對(duì)蘋果邊緣進(jìn)行擬合，在自然光照下對(duì)蘋果進(jìn)行有效識(shí)別。

隨著人工智能技術(shù)的興起，以深度學(xué)習(xí)為基礎(chǔ)的目標(biāo)檢測(cè)技術(shù)在蘋果檢測(cè)中開(kāi)始得到應(yīng)用。彭紅星等采用Resnet-101網(wǎng)絡(luò)代替SSD模型中的VGG-16網(wǎng)絡(luò)，并利用遷移學(xué)習(xí)訓(xùn)練方法對(duì)4種不同水果進(jìn)行檢測(cè)。武星等提出了輕量化同構(gòu)殘差快串聯(lián)的特征提取網(wǎng)絡(luò)，采用多種目標(biāo)損失函數(shù)的改進(jìn)YOLOv3模型，對(duì)果園中遮擋、重疊情況的蘋果取得很好的檢測(cè)。在此基礎(chǔ)上，李大華等利用YOLOv3網(wǎng)絡(luò)對(duì)環(huán)境中的蘋果目標(biāo)區(qū)域進(jìn)行檢測(cè)，并采用顏色空間進(jìn)行閾值分割，得到蘋果的準(zhǔn)確位置信息。岳有軍等采用Mask RCNN模型對(duì)果園的蘋果進(jìn)行檢測(cè)并提取蘋果的像素區(qū)域。雖然上述方法針對(duì)果園的蘋果檢測(cè)在實(shí)時(shí)性和魯棒性上取得了很好的檢測(cè)效果，但是模型參數(shù)量大，對(duì)蘋果采摘機(jī)器人的計(jì)算資源消耗過(guò)多，對(duì)蘋果果實(shí)的檢測(cè)只是采用矩形框進(jìn)行包圍檢測(cè)，并未對(duì)蘋果的邊緣和形狀信息進(jìn)行有效預(yù)測(cè)。

針對(duì)上述研究中存在問(wèn)題，本研究提出了以實(shí)例分割網(wǎng)絡(luò)Mask RCNN模型作為蘋果采摘機(jī)器人視覺(jué)定位與檢測(cè)模型。該模型能準(zhǔn)確預(yù)測(cè)采摘果實(shí)的邊緣和形狀信息，但是模型參數(shù)量大，檢測(cè)速度慢，難以達(dá)到采摘機(jī)器人實(shí)時(shí)檢測(cè)要求。針對(duì)此問(wèn)題，在Mask RCNN基礎(chǔ)上將主干網(wǎng)絡(luò)改為適用于移動(dòng)端的Mobilenetv3網(wǎng)絡(luò)模型，為了增強(qiáng)語(yǔ)義信息，使模型對(duì)適應(yīng)復(fù)雜的果園環(huán)境具有較強(qiáng)的魯棒性，采用SPP網(wǎng)絡(luò)對(duì)特征圖進(jìn)行語(yǔ)義增強(qiáng)，采用空洞卷積增加特征圖的感受野和上下文的語(yǔ)義信息。

1 數(shù)據(jù)采集與處理

1.1 試驗(yàn)數(shù)據(jù)集采集和標(biāo)注

試驗(yàn)數(shù)據(jù)采集地位于山東臨沂市沂水縣四十里鎮(zhèn)。選取紅蘋果、青蘋果和奶油蘋果3種不同的蘋果樹(shù)進(jìn)行取樣拍攝，拍攝時(shí)間為06：00—16：00，試驗(yàn)選用海康威視、手機(jī)等移動(dòng)端采集設(shè)備進(jìn)行圖像采集，拍攝條件包括遠(yuǎn)距離和近距離、不同角度光照度、果葉和枝干的遮擋、果實(shí)之間重疊、不同成熟期果實(shí)的果實(shí)混雜(圖1)，共采集500幅圖像。試驗(yàn)數(shù)據(jù)采用隨機(jī)裁剪、縮放、平移、翻轉(zhuǎn)、顏色擾動(dòng)，加入馬賽克數(shù)據(jù)增強(qiáng)后為35 000幅，對(duì)數(shù)據(jù)進(jìn)行隨機(jī)抽取，選用28 000幅為訓(xùn)練數(shù)據(jù)集，3 500 幅為測(cè)試數(shù)據(jù)集，3 500幅為驗(yàn)證數(shù)據(jù)集，比例為 8 ∶1 ∶1。使用Labelme軟件人工對(duì)采集蘋果圖像中蘋果的邊界區(qū)域進(jìn)行標(biāo)注，其余為背景，生成json文件。

2 蘋果果實(shí)識(shí)別檢測(cè)模型

2.1 Mask RCNN模型

Mask RCNN網(wǎng)絡(luò)是He等在Faster RCNN網(wǎng)絡(luò)模型基礎(chǔ)上添加了Mask網(wǎng)絡(luò)預(yù)測(cè)分支來(lái)對(duì)檢測(cè)模型進(jìn)行改進(jìn)，其網(wǎng)絡(luò)結(jié)構(gòu)見(jiàn)圖2。從圖2可以看出，該網(wǎng)絡(luò)模型由特征提取網(wǎng)絡(luò)(ResNet-101)、特征金字塔(feature pyramid network)、區(qū)域建議網(wǎng)絡(luò)(research proposal network)、ROIAlign層以及網(wǎng)絡(luò)預(yù)測(cè)(類別、邊界框、掩碼)分支組成。

2.2 改進(jìn)Mask RCNN模型

原始Mask RCNN模型采用Resnet-101網(wǎng)絡(luò)作為主干特征提取網(wǎng)絡(luò)，該網(wǎng)絡(luò)能夠有效提取特征并在實(shí)際檢測(cè)中取得很好的檢測(cè)效果，但是網(wǎng)絡(luò)層數(shù)過(guò)多，模型參數(shù)量龐大，在進(jìn)行特征提取過(guò)程中計(jì)算參數(shù)量大，需要占用過(guò)多采摘機(jī)器人硬件檢測(cè)資源，耗費(fèi)較長(zhǎng)時(shí)間，導(dǎo)致檢測(cè)速度過(guò)慢。由于農(nóng)業(yè)蘋果采摘工作量大，在進(jìn)行蘋果定位檢測(cè)時(shí)需要具有較高實(shí)時(shí)性以便快速進(jìn)行農(nóng)業(yè)生產(chǎn)工作，因此需要改進(jìn)模型參數(shù)量提高檢測(cè)速度。Howard等提出了致力于嵌入式開(kāi)發(fā)的輕量化網(wǎng)絡(luò)Mobilenetv3(圖3)，使用深度可分離卷積代替標(biāo)準(zhǔn)卷積模塊，并將擠壓(squeeze)和激勵(lì)(excitation)2種輕量級(jí)的注意力機(jī)制引入線性瓶頸結(jié)構(gòu)(圖4)。

相對(duì)于傳統(tǒng)卷積操作，采用深度可分離卷積可明顯降低模型運(yùn)算參數(shù)量。如對(duì)輸入樣本的尺寸為(行數(shù))×(列數(shù))×(通道數(shù))的向量，采用×的卷積核進(jìn)行標(biāo)準(zhǔn)的卷積運(yùn)算，得到通道的輸出向量，需要計(jì)算量的參數(shù)量為

=。

(1)

若采用深度可分離卷積進(jìn)行相同的操作，需要的計(jì)算量為

=+。

(2)

2種運(yùn)算下參數(shù)量的比值為

(3)

由上式可知，當(dāng)輸入向量通道數(shù)遠(yuǎn)大于卷積核尺寸時(shí)，2種方式卷積運(yùn)算的參數(shù)量比值與卷積核的尺寸幾乎成平方反比關(guān)系。假設(shè)卷積核的尺寸為3時(shí)，若采用深度可分離卷積可將計(jì)算的參數(shù)量減少為原來(lái)的1/9。由此可見(jiàn)，采用深度可分離卷積可大大降低模型參數(shù)量，提高檢測(cè)速度。

MobilenetV3網(wǎng)絡(luò)另一改進(jìn)之處在于引入了注意力機(jī)制，該機(jī)制由擠壓模塊(squeeze block)和激勵(lì)模塊(excitation block)組成(圖4)。利用擠壓模塊將輸入的多通道矩陣壓縮成一維向量，然后通過(guò)可訓(xùn)練的權(quán)重與一維向量進(jìn)行乘法運(yùn)算實(shí)現(xiàn)激勵(lì)，通過(guò)誤差反向傳播調(diào)整權(quán)重值來(lái)篩選需要的特征，其中擠壓模塊的運(yùn)算公式為

(4)

式中：為輸出特征向量；為輸入矩陣第個(gè)通道特征；為擠壓函數(shù)；為二維特征圖的行坐標(biāo)；為二維特征圖的列坐標(biāo)。

擠壓后的向量采用進(jìn)入全連接網(wǎng)絡(luò)，輸入層和輸出層的神經(jīng)元個(gè)數(shù)相同，采用ReLu激活函數(shù)，激勵(lì)操作采用Sigmoid函數(shù)進(jìn)行運(yùn)算，其表達(dá)式為

=(，)=ReLu[(，)]=ReLu[Sigmoid()]。

(5)

式中：為激勵(lì)函數(shù)；為全連接層；為輸出特征值；、為全連接層權(quán)重值；ReLu、Sigmoid為激活函數(shù)。

最后，采用Scale運(yùn)算將輸出向量與原始特征圖的矩陣相乘，獲得施加權(quán)重的特征圖，以增強(qiáng)有效特征，去除或衰減無(wú)效特征，使得到的特征更加具有表達(dá)性，其表達(dá)式為

(6)

2.2 語(yǔ)義增強(qiáng)模塊

Mask RCNN模型在Faster RCNN模型存在3個(gè)網(wǎng)絡(luò)預(yù)測(cè)分支，造成模型精度下降，采用SPP網(wǎng)絡(luò)結(jié)構(gòu)模型特征圖進(jìn)行語(yǔ)義增強(qiáng)，網(wǎng)絡(luò)結(jié)構(gòu)見(jiàn)圖5。SPP結(jié)構(gòu)位于主干網(wǎng)絡(luò)與RPN網(wǎng)絡(luò)之間，將輸入的特征圖采用不同的池化操作轉(zhuǎn)變?yōu)椴煌叨忍卣鲌D，然后再將特征圖進(jìn)行維度疊加，使通道進(jìn)行融合，增強(qiáng)網(wǎng)絡(luò)的魯棒性，加快模型推理速度。

Mask RCNN模型采用語(yǔ)義分割分支對(duì)圖像的掩碼進(jìn)行預(yù)測(cè)，將原始輸入圖像壓縮至7×7大小的特征圖進(jìn)行像素的預(yù)測(cè)，會(huì)導(dǎo)致圖像特征信息的丟失。采用空洞卷積模塊增加特征圖的感受野，獲取更加豐富的上下文語(yǔ)義信息來(lái)提高對(duì)圖像中小尺度物體的檢測(cè)?？斩淳矸e結(jié)構(gòu)見(jiàn)圖6。

從圖6可以看出，相對(duì)于普通卷積，利用深度可分離卷積不僅大大擴(kuò)寬特征圖的感受野，而且網(wǎng)絡(luò)的計(jì)算量沒(méi)有增加。

2.3 損失函數(shù)

Mask RCNN模型訓(xùn)練的損失由2個(gè)部分組成：RPN網(wǎng)絡(luò)損失和最終模型的多分支輸出預(yù)測(cè)損失，其表達(dá)式示為

=+。

(7)

式中：包含矩形框內(nèi)物體的分類損失以及矩形框的位置損失，其表達(dá)式為

(8)

(9)

(10)

模型輸出的分支網(wǎng)絡(luò)中回歸損失與分類損失與RPN網(wǎng)絡(luò)相同，掩碼損失采用二分類的交叉熵?fù)p失函數(shù)，其表達(dá)式為

(11)

3 結(jié)果與分析

3.1 試驗(yàn)環(huán)境配置

試驗(yàn)選用AMD Ryzen 7 3750H CPU，2.3 GHZ主頻，16 GB運(yùn)行內(nèi)存，GeForce GTX1660Ti GPU，操作系統(tǒng)為Ubuntu 18.04。設(shè)置模型初始學(xué)習(xí)率為0.000 1，動(dòng)量因子為0.001，權(quán)重衰減系數(shù)設(shè)置為0.000 1，動(dòng)量因子為0.9，batch_size設(shè)置為8，模型RPN網(wǎng)絡(luò)層產(chǎn)生的Anchor大小設(shè)置為(16，32，64，128，256)，非極大抑制系數(shù)設(shè)置為0.3，訓(xùn)練迭代次數(shù)設(shè)置為100。

3.2 評(píng)價(jià)指標(biāo)

選取準(zhǔn)確率(P)、平均檢測(cè)精度(mAP)、召回率(R)作為模型檢測(cè)的評(píng)價(jià)指標(biāo)。

3.3 訓(xùn)練數(shù)據(jù)分析

采用相同的訓(xùn)練集、驗(yàn)證集以及測(cè)試集分別在主干網(wǎng)絡(luò)Resnet-101、Resnet-50、Mobilenetv3以及改進(jìn)網(wǎng)絡(luò)上訓(xùn)練，4種模型訓(xùn)練損失以及驗(yàn)證損失見(jiàn)圖7。

從圖7可以看出，改進(jìn)后的Mask RCNN網(wǎng)絡(luò)模型訓(xùn)練損失值變化波動(dòng)比較平緩，幅值下降較快，反映了網(wǎng)絡(luò)特征提取能力更強(qiáng)，模型泛化能力更好，更能適應(yīng)果園復(fù)雜的訓(xùn)練環(huán)境。Resnet101網(wǎng)絡(luò)雖然誤差曲線波動(dòng)較小，但是損失值較慢，反映了網(wǎng)絡(luò)特征提取能力弱于改進(jìn)后的網(wǎng)絡(luò)。采用Resnet50和Mobilentv3網(wǎng)絡(luò)損失值波動(dòng)變化大，下降緩慢，模型泛化能力弱。改進(jìn)后的Mask RCNN模型在RPN網(wǎng)絡(luò)分類預(yù)測(cè)損失上比Rest101、Resnet50以及Mobilenetv3網(wǎng)絡(luò)分別下降了40.62、58.77、617.34百分點(diǎn)，在RPN網(wǎng)絡(luò)上預(yù)測(cè)框的損失分別下降了52.22、226.34、294.93百分點(diǎn)，在輸出網(wǎng)絡(luò)上分類損失分別下降了75.32、73.30、337.64百分點(diǎn)，回歸損失分別下降了32.24、226.94、635.37百分點(diǎn)，掩碼損失分別下降了10.38、71.91、237.94百分點(diǎn)，模型的總損失分別下降了23.33、54.24、303.35百分點(diǎn)。

為了進(jìn)一步驗(yàn)證采用實(shí)例分割網(wǎng)絡(luò)能有效作為蘋果采摘機(jī)器人視覺(jué)處理模塊，采用YOLOv4、Faster RCNN以及改進(jìn)Mask RCNN模型對(duì)同一測(cè)試數(shù)據(jù)對(duì)比，檢測(cè)效果見(jiàn)圖8。從圖8可以看出，雖然YOLOv4、Faster RCNN模型能有效對(duì)遮擋、不同拍照角度、不均勻光照的果園蘋果進(jìn)行有效的檢測(cè)，但是只是采用矩形框粗略地對(duì)果園蘋果進(jìn)行定位，難以提取蘋果的邊緣和形狀信息，對(duì)機(jī)械臂采摘作業(yè)會(huì)造成一定的偏差。采用實(shí)例分割模型不僅能對(duì)蘋果區(qū)域進(jìn)行矩形框包圍，而且能采用不同顏色的掩碼準(zhǔn)確分割目標(biāo)的像素區(qū)域位置，很好地滿足蘋果采摘機(jī)器人視覺(jué)要求。

從表1可以看出，改進(jìn)后的Mask RCNN模型對(duì)蘋果果園果實(shí)檢測(cè)時(shí)在準(zhǔn)確率方面比采用Resnet101網(wǎng)絡(luò)、Resnet50網(wǎng)絡(luò)、Mobilenetv3網(wǎng)絡(luò)分別提高了3.84、10.42、27.08百分點(diǎn)；在召回率上比采用Mobilenetv3網(wǎng)絡(luò)提高了6.66百分點(diǎn)，比Resnet50提高了4.28百分點(diǎn)，比Resnet101網(wǎng)絡(luò)下降了0.91百分點(diǎn)；在mAP方面，比Resnet101網(wǎng)絡(luò)提高了3.30百分點(diǎn)，比Resnet50提高了26.56百分點(diǎn)，比Mobilenetv3網(wǎng)絡(luò)提高了21.56百分點(diǎn)。

表1 不同模型性能對(duì)比 %

從表2可以看出，改進(jìn)后的模型比采用主干網(wǎng)絡(luò)為Resnet101、Resnet50的網(wǎng)絡(luò)參數(shù)量分別下降了62.03%、46.24%，比Mobilenetv3參量稍微提高了0.83%。在檢測(cè)速度方面，比Resnet101網(wǎng)絡(luò)提高了4幀/s的檢測(cè)速度，與Resnet50檢測(cè)速度相同，比Mobilenetv3少3幀/s。

表2 模型權(quán)重對(duì)比

為檢驗(yàn)改進(jìn)后的模型對(duì)不同種類的蘋果果實(shí)進(jìn)行識(shí)別檢測(cè)，在果實(shí)遮擋、光照充足、光照不足、遠(yuǎn)距離檢測(cè)4種常見(jiàn)自然條件下的果園進(jìn)行測(cè)試，試驗(yàn)檢測(cè)效果見(jiàn)圖9。

為了進(jìn)一步驗(yàn)證改進(jìn)后的模型性能，對(duì)模型的參數(shù)量、權(quán)重文件以及檢測(cè)速度進(jìn)行對(duì)比，結(jié)果見(jiàn)表2。

從圖9可以看出，改進(jìn)后的模型不僅能有效對(duì)遮擋的果實(shí)進(jìn)行檢測(cè)，而且對(duì)光照充足和不足、遠(yuǎn)距離拍攝采樣的圖片也能進(jìn)行有效識(shí)別，表明該網(wǎng)絡(luò)在復(fù)雜的果園環(huán)境下對(duì)多目標(biāo)的果實(shí)檢測(cè)能夠進(jìn)行有效檢測(cè)，具有較強(qiáng)的魯棒性。

4 結(jié)論

本研究為了準(zhǔn)確對(duì)蘋果果園的果實(shí)進(jìn)行有效檢測(cè)，提出了基于Mask RCNN的檢測(cè)模型，為了減少模型參數(shù)量，主干網(wǎng)絡(luò)采用Mobilenetv3網(wǎng)絡(luò)代替Resnet101網(wǎng)絡(luò)。該模型采用深度可分離卷積代替普通卷積，大大減少模型參數(shù)量，并采用通道注意力機(jī)制加強(qiáng)模型特征提取能力。為了增強(qiáng)語(yǔ)義信息，采用SPP網(wǎng)絡(luò)結(jié)構(gòu)進(jìn)行加強(qiáng)，并采用空洞卷積增強(qiáng)特征圖的感受野，使模型泛化能力更強(qiáng)。

采用數(shù)據(jù)集進(jìn)行模型的驗(yàn)證，在準(zhǔn)確率方面比采用Resnet101網(wǎng)絡(luò)、Resnet50網(wǎng)絡(luò)、Mobilenetv3網(wǎng)絡(luò)分別提高了3.84、10.42、27.08百分點(diǎn)；在召回率上比采用Mobilenetv3網(wǎng)絡(luò)提高了6.66百分點(diǎn)，比Resnet50提高了4.28百分點(diǎn)，比Resnet101網(wǎng)絡(luò)下降了0.91百分點(diǎn)；在mAP方面，比Resnet101網(wǎng)絡(luò)提高3.30百分點(diǎn)，比Resnet50提高了26.56百分點(diǎn)，比Mobilenetv3網(wǎng)絡(luò)提高了21.56百分點(diǎn)。模型參數(shù)方面，改進(jìn)后的參數(shù)量將為2.43×10，模型的檢測(cè)速度提高為9幀/s。本研究提出的改進(jìn)Mask RCNN模型在精度提升的情況下，模型參數(shù)量大幅降低，檢測(cè)速度有所提升，不僅能判斷出蘋果的位置，而且能對(duì)邊緣和形狀信息進(jìn)行預(yù)測(cè)，更加滿足采摘和機(jī)器人的實(shí)際應(yīng)用場(chǎng)景。