【目的】中国在水果产量方面处于全球领先地位，但面临着人力资源减少和老龄化问题，传统的人工采摘方式已经无法满足快速高效的采摘需求，研发集成计算机视觉的自动化水果采摘设备成为解决劳动力短缺难题的关键。【方法】水果大多呈类球状，相关的识别算法研究居多。本文探讨了柑橘、蜜桃等类球状水果的识别算法。根据应用场景的不同，本文分析了传统类球状水果识别算法与基于深度学习的类球状水果识别算法在网络结构方面的改进，对水果采摘识别算法进行总结并提出算法的未来发展趋势。【结果】在复杂环境下，本文通过对比发现传统算法在简单场景下表现有效，但在复杂环境中往往会受到设计特征的限制，基于深度学习的算法因其高效性和准确性更适合自动化水果采摘的需求。【结论】本文总结了类球状水果识别算法的研究进展，深度学习算法在处理复杂环境下具有良好的有效性和适应性，更适合部署在自动化采摘设备。提出了未来的研究方向，包括优化算法性能、数据集构建及扩增，以及结合多模态数据以提升算法的精度和适应性。
关键词：目标检测算法;深度学习;卷积神经网络;计算机视觉;水果采摘
全文： 
PDF （ 下载次数：）