基于改进Faster R-CNN模型的樱桃缺陷检测

目的:提高工业环境下樱桃分级分拣工作的效率.方法:提出了基于Faster R-CNN框架改进的樱桃缺陷识别分拣模型.结果:通过对比VGG16、MobileNet-V2和ResNet50网络,主干网络为ResNet50的效果最优,改进后的Faster R-CNN模型对樱桃裂口、双生、刺激生长、霉变、褐变腐烂和完好果的检测精度分别为97.75％,99.77％,98.90％,97.56％,96.67％,98.80％,平均检测精度达98.24％,高于其他模型,检测速度为31.16帧/s.结论:试验方法对樱桃缺陷类别的检测具有较高的识别精度.