基于SwinS-YOLACT的番茄采摘機器人實時實例分割算法研究

摘要： 在設(shè)施番茄種植環(huán)境中，果實重疊遮擋等情況會影響識別精度。因此，本文提出了一種基于YOLACT的實例分割模型，提高識別精度。首先，對果實重疊遮擋的類別進行細分并增加該類數(shù)據(jù)集，從而接近真實采摘場景，并在采摘決策中改善重疊遮擋對識別精度的影響；其次，采用Simple Cope-Paste數(shù)據(jù)增強方法提高了模型的泛化能力，降低了環(huán)境因素對實例分割效果的干擾；然后，在YOLACT基礎(chǔ)上... （共13頁）