基于改进MobileNet-V2与RGB-D视觉融合的荔枝识别模型OA

在荔枝实际分拣过程中不仅要完成健康果与缺陷果的快速识别,还要为后续空间抓取机构提供准确的目标位置信息、尺寸信息和可抓取区域信息。为此,以采后分拣环节中的荔枝果实为研究对象,提出了一种基于改进MobileNet-V2与RGB-D视觉融合的轻量化神经网络荔枝识别与分拣方法。首先,采用RGB-D相机获取荔枝果实的彩色图像与深度信息,利用3D视觉技术提取果实的空间位置、尺寸特征和表面轮廓信息,实现目标的三维定位与几何参数测量;然后,引入MobileNet-V2轻量化神经网络对荔枝图像进行特征提取与类别识别,完成果实目标检测、成熟度判别和品质分级,将二维图像识别结果与三维深度信息融合,建立荔枝目标的识别—定位—分拣决策流程,实现对不同类别荔枝的快速分类与精准分拣。实验结果表明,改进方法的识别准确率达到98.7%,与VGG16方法相比,在识别精度基本稳定的前提下,模型参数量减少了97.95%,单幅图像平均识别时间缩短了22.4 ms;同时,改进方法的三维综合定位误差为4.6 mm,能够较好地兼顾识别精度、计算效率与空间定位能力。研究可为荔枝自动抓取与智能分拣提供理论依据和数据支撑。