近日，中國熱科院南亞所旱作農(nóng)業(yè)工程團隊在基于混合監(jiān)督學習的菠蘿智能識別算法方面取得新進展。使用機器人和計算機系統(tǒng)自動收獲菠蘿時，果園中不同的光照條件復雜的環(huán)境和遮蔭對準確、實時的菠蘿識別和定位提出了重大挑戰(zhàn)。該團隊設計了一個基于混合監(jiān)督學習（MIset）的掩蔽自關(guān)注實例分割網(wǎng)絡，以快速提取菠蘿的位置和幾何信息，有效降低了機器人手臂抓取過程中的果實損傷率。同時，網(wǎng)絡引入了掩蔽的自我注意力模塊，能更精準地識別菠蘿目標區(qū)域，減少無關(guān)背景信息的干擾。此外，團隊還設計了一種混合監(jiān)督學習方法，允許模型具有一定程度的不確定性，增強了模型識別遮擋區(qū)域的能力，同時減少了對標簽的依賴。
該方法在保持模型大小僅為26.5MB的前提下，實現(xiàn)了每秒50幀以上的高識別速度。與最先進方法相比，該方法在骨干網(wǎng)絡為 MAISNET 的情況下，其掩碼平均精度（iou=50）達到81.42，檢測平均精度（iou=50）達到 89.48。
相關(guān)研究成果以“Towards mechanized harvesting of pineapples: A masked self-attention instance segmentation network and pineapple detection dataset”為題發(fā)表于《Engineering Applications of Artificial Intelligence》。該論文的第一完成單位為中國熱帶農(nóng)業(yè)科學院南亞熱帶作物研究所/農(nóng)業(yè)農(nóng)村部熱帶果樹生物學重點實驗室，單哲為論文第一作者，林聰副教授與薛忠副研究員為共同通訊作者。該項工作得到海南省重點研發(fā)、“十四五”廣東省農(nóng)業(yè)科技創(chuàng)新十大主攻方向“揭榜掛帥”等項目的資助。
論文鏈接： https://doi.org/10.1016/j.engappai.2025.111162
