为了使采摘机器人在收获番茄时更加精准地识别目标果实，采用改进后的 Cascade rcnt网络对温室内的番茄果实进行目标检测。将 Cascade rann网络中的非极大值抑制算法替换为Sof-NMS（ soft non- maximum suppression）算法，采用适合番茄形状的锚框，增强网络对重叠果实的识别能力，与原 Cascade rann网络相比，目标识别的准确率提高了近2%，在识别番茄果实的同时，该网络对番茄的成熟度进行了简单分类。为进一步验证网络性能，将改进网络与经典的 Faster rann网络和YOO3网络进行对比。实验结果表明，改进网络能够准确地识别岀番茄果实，并对成熟番茄与未成熟番茄做出区分。该方法可为温室内番茄果实的采摘提供技术支持。

基于Hopfield神经网络实现机器人路径规划

机器人利用神经网络进行壁障，下载的朋友如要进行仿真需要针对自己的实验或论文的现实内容进行改动

Comparison with ground truth and triangulation provided, with varying amounts of gaussian noise added in train and test data.

Matlab机器人控制的仿真使用遗传算法优化神经网络-机器人控制的仿真，使用遗传算法优化神经网络.rar 机器人控制的仿真，使用遗传算法优化神经网络