公开(公告)号：CN113313708A

公开(公告)日：2021-08-27

申请号：CN202110737328.1

申请日：2021-06-30

Applicant: 安徽工程大学

Inventor： 江明 ,  徐印赟 ,  吴云飞 ,  刘富春 ,  卢志远

IPC: G06T7/00 ,  G06K9/32 ,  G06K9/46 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开一种基于深度神经网络的水果检测方法，包括如下步骤：S1、相机采集图像，所述图像中包含至少一个目标物体；S2、将采集到的图像输入神经网络，神经网络输出含有检测框的目标物体及其置信度得分；S3、检测并删除图像中各目标物体的冗余检测框，剩余检测框内的图像即为目标物体图像。YOLOv4‑SPP2模型融合神经网络特征图多尺度信息，从而提高了目标尺度变化大和小目标检测的精确度，通过本发明提供的Greedy‑Confluence的边界框抑制算法来提高遮挡、重叠物体的检测精度，提高了复杂环境下的水果检测精度。

公开(公告)号：CN113313708B

公开(公告)日：2022-10-18

申请号：CN202110737328.1

申请日：2021-06-30

Applicant: 安徽工程大学

Inventor： 江明 ,  徐印赟 ,  吴云飞 ,  刘富春 ,  卢志远

IPC: G06T7/00 ,  G06V10/25 ,  G06V10/44 ,  G06V10/774 ,  G06V10/764 ,  G06V10/82 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开一种基于深度神经网络的水果检测方法，包括如下步骤：S1、相机采集图像，所述图像中包含至少一个目标物体；S2、将采集到的图像输入神经网络，神经网络输出含有检测框的目标物体及其置信度得分；S3、检测并删除图像中各目标物体的冗余检测框，剩余检测框内的图像即为目标物体图像。YOLOv4‑SPP2模型融合神经网络特征图多尺度信息，从而提高了目标尺度变化大和小目标检测的精确度，通过本发明提供的Greedy‑Confluence的边界框抑制算法来提高遮挡、重叠物体的检测精度，提高了复杂环境下的水果检测精度。