盡管機器人采摘視覺系統(tǒng)的開發(fā)得到了廣泛應用，但在光線和環(huán)境復雜的果園中，尤其是對于水果顏色與背景相似的環(huán)境下，水果檢測非常具有挑戰(zhàn)性。近年來，基于機器視覺的山核桃果實檢測與定位研究較少。該研究提出了一種準確有效的基于機器視覺的自然環(huán)境下果園中山核桃果實檢測方法。為了解決光照問題，首先利用光補償算法處理采集的樣本，然后利用特征金字塔網(wǎng)絡（FPN）建立改進的快速區(qū)域卷積神經(jīng)網(wǎng)絡（Faster RCNN）來訓練樣本。最后，提出了一種山核桃簇類計數(shù)方法。共測試了241張山核桃圖像，并進行了對比實驗。與沒有不均勻光照校正（UIC）的結果相比，所提出的檢測方法的平均精度（mAP）為95.932%，提高了0.849%，而單鏡頭檢測器（SSD）+FPN的mAP為92.991%。此外，使用所提出方法計算聚類數(shù)量，與實際聚類相比，準確率為93.539%。結果表明，所提出網(wǎng)絡在不同光照和各種非結構化環(huán)境下對山核桃果實檢測具有良好魯棒性，實驗結果對機器人采摘視覺系統(tǒng)應用具有很大潛力。