全文总字数：11025字

苹果特征检测识别文献综述

摘要：介绍了国内外果苹果检测的类型和特点，综述了国内外果苹果检测的研究进展，总结了苹果检测的特点，归纳了在苹果检测研究中的关键问题。

1.前言

我国是世界上重要的水果生产大国，继蔬菜、粮食产业之后，我国在水果产业已经发展成为第三大农业种植产业，在国内外市场中有着广阔的前景。然而水果生长环境的复杂性使得现在水果的采摘、加工作业依然得依靠人工。随着城市化发展，劳动力成本上升、农业从业人员大幅下降使得水果产业面临劳动力短缺的现状。水果采摘机器人能够提高生产效率，解决当下问题。而水果图像识别是水果采摘机器人视觉识别系统的重要组成部分。近几年兴起的深度卷积神经网络，对目标特征表达能力更强、识别效果更好。利用卷积神经网络对水果图像进行识别，能够为水果采摘机器人的研发设计提供有力技术支持。随着计算机技术以及其他相关学科的发展与成熟，机器视觉技术也得到了迅猛发展，理论和应用上也都经历了巨大的进步，并逐步应用于工业生产、仪器检测以及物体识别和定位等。另外它在医疗诊断、自动化制造、空中监视、遥感领域以及最近在农业和食品自动分拣领域都有应用。特别是将视觉系统与运动控制相结合，取得了许多成果，提高了自动化生产系统的智能化程度和灵活性。

由于自然环境下复杂背景的影响，目标果实特征提取、分类，目标检测等研究工作面临着很大的挑战。己有的识别方法主要是基于人工设计特征的识别算法，识别率不高，而且受算法本身的限制，在复杂背景下尤其是针对果园、田间环境很难提取到有用的特征。以往的水果识别模型虽有取得不错的识别效果，但往往是针对某一类水果的识别。在实际的果业生产中，这些识别模型很难发挥作用。因此，急需提出新的水果识别算法来提升水果分类及目标检测的效率。

近几年，深度学习技术迅速发展，它能够出色地完成各项计算机视觉任务，并逐步应用于农业领域。构建的深度学习模型经过大量数据训练，能够自动地学习到不同事物的特征信息，获取各类别的差异。深度学习模型经训练学习能够将原始数据转换为更加抽象、高级的表达，进而完成图像分类、检测等任务。因此，此次设计将利用深度学习方法实现复杂背景下的水果识别。该研究对果实识别系统的设计，农业机器人的研发，以及推动我国水果产业向着机械化、智能化方向发展具有重要意义。

2.国内外研究进展

（1）.国外的研究与发展现状