智能识别新模型可减少机器采摘菠萝损伤率

近日，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菠萝智能识别算法基础混合监督学习方面取得新进展。该团队基于混合和监督学习设计了一个(MIset)掩盖自我关注的实例分割网络，可以快速提取菠萝的位置和几何信息，有效降低机器人手臂抓取过程中的水果损伤率。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取菠萝时，果园内不同光照条件的复杂环境和遮荫对菠萝的精确、实时识别和定位提出了重大挑战。

该团队设计了一个基于混合和监督学习的团队。(MIset)通过快速提取菠萝位置和几何信息，可以有效地降低机器人手臂抓取过程中的果实损伤率。

同时，该网络引入了隐蔽的自我注意模块，可以更准确地识别菠萝目标区域，减少无关背景信息的影响。此外，团队还设计了一种混合监督学习方法，使模型具有一定程度的不确定性，增强了模型识别和屏蔽区域的能力，减少了对标签的依赖。

在保证模型尺寸只有26.5MB的前提下，该方法完成了每秒50帧以上的高识别速率。与最先进的方法相比，该方法在骨干网络中是 MAISNET 在这种情况下，其掩码平均精度(iou=50)达到81.42，检验平均精度(iou=50)达到 89.48。

这篇论文的第一个完成单位是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。单哲是论文的第一作者，副教授林聪和副研究员薛忠是共同交流的作者。这项工作得到了广东省农业科技创新十大主要方向的资助，包括海南省重点研发和“十四五”。