近日，中國(guó)熱科院南亞所旱作農(nóng)業(yè)工程團(tuán)隊(duì)在基于混合監(jiān)督學(xué)習(xí)的菠蘿智能識(shí)別算法方面取得新進(jìn)展。使用機(jī)器人和計(jì)算機(jī)系統(tǒng)自動(dòng)收獲菠蘿時(shí)，果園中不同的光照條件復(fù)雜的環(huán)境和遮蔭對(duì)準(zhǔn)確、實(shí)時(shí)的菠蘿識(shí)別和定位提出了重大挑戰(zhàn)。該團(tuán)隊(duì)設(shè)計(jì)了一個(gè)基于混合監(jiān)督學(xué)習(xí)（MIset）的掩蔽自關(guān)注實(shí)例分割網(wǎng)絡(luò)，以快速提取菠蘿的位置和幾何信息，有效降低了機(jī)器人手臂抓取過(guò)程中的果實(shí)損傷率。同時(shí)，網(wǎng)絡(luò)引入了掩蔽的自我注意力模塊，能更精準(zhǔn)地識(shí)別菠蘿目標(biāo)區(qū)域，減少無(wú)關(guān)背景信息的干擾。此外，團(tuán)隊(duì)還設(shè)計(jì)了一種混合監(jiān)督學(xué)習(xí)方法，允許模型具有一定程度的不確定性，增強(qiáng)了模型識(shí)別遮擋區(qū)域的能力，同時(shí)減少了對(duì)標(biāo)簽的依賴(lài)。
該方法在保持模型大小僅為26.5MB的前提下，實(shí)現(xiàn)了每秒50幀以上的高識(shí)別速度。與最先進(jìn)方法相比，該方法在骨干網(wǎng)絡(luò)為 MAISNET 的情況下，其掩碼平均精度（iou=50）達(dá)到81.42，檢測(cè)平均精度（iou=50）達(dá)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(guó)熱帶農(nóng)業(yè)科學(xué)院南亞熱帶作物研究所/農(nóng)業(yè)農(nóng)村部熱帶果樹(shù)生物學(xué)重點(diǎn)實(shí)驗(yàn)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(xiàng)工作得到海南省重點(diǎn)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(xiàng)目的資助。
論文鏈接： https://doi.org/10.1016/j.engappai.2025.111162
