新模型的自动识别可以降低机器采用菠萝的损伤率

最近，中国热带农业科学院南亚热带作物研究所旱作农业工程团队在基于混合监督学习的菠萝智能识别算法方面取得了新的进展。该团队设计了一个基于混合监督学习的团队(MIset)为了快速提取菠萝的位置和几何信息，有效降低了机器人手臂抓取过程中水果的损伤率。相关研究成果发表在《人工智能工程应用》中(Engineering Applications of Artificial Intelligence)。

当使用机器人和计算机软件自动获得菠萝时，果园中不同的光照条件、复杂的环境和阴影对准确实时的菠萝识别和定位提出了重大挑战。

团队设计了一个基于混合监督的学习(MIset)为了快速提取菠萝的位置和几何信息，有效降低了机器人手臂抓取过程中水果的损伤率。

同时，网络引入了隐藏的自我注意模块，可以更准确地识别菠萝的目标区域，减少与背景信息无关的影响。此外，团队还设计了一种混合监督学习方法，允许模型具有一定程度的不确定性，提高模型识别屏蔽区域的能力，减少对标签的依赖。

在保证模型尺寸仅为26.5MB的前提下，该方法每秒完成50帧以上的高识别速率。与最先进的方法相比，该方法是骨干网络 MAISNET 在掩码均值精度的情况下，其掩码均值精度(iou=50)达到81.42，检验平均精度(iou=50)达到 89.48。

论文第一完成单位为中国热带农业科学院南亚热带作物研究所/农业农村部热带果树生物学重点实验室，单哲为论文第一作者，副教授林聪、副研究员薛忠为共同通讯作者。该工作得到了海南省重点研发、“十四五”广东省农业科技创新十大主要方向“揭榜”等项目的资助。