近日，中國(guó)農(nóng)業(yè)科學(xué)院深圳農(nóng)業(yè)基因組研究所（嶺南現(xiàn)代農(nóng)業(yè)科學(xué)與技術(shù)廣東省實(shí)驗(yàn)室深圳分中心）潘瑋華課題組聯(lián)合太原理工大學(xué)李東喜課題組在《植物方法 (Plant Methods)》上發(fā)表了題為 “Melon ripeness detection by an improved object detection algorithm for resource constrained environments” 的論文。該研究構(gòu)建了一個(gè)基于成熟度的甜瓜表型數(shù)據(jù)集并提出了一種輕量化的、適用于資源有限場(chǎng)景下的甜瓜成熟度檢測(cè)算法，為甜瓜以及其它水果的成熟度檢測(cè)提供了有價(jià)值的數(shù)據(jù)、技術(shù)見解和參考。

成熟度是對(duì)水果質(zhì)量有重大影響的表型，是栽培和收獲過程中的關(guān)鍵因素。適當(dāng)?shù)氖斋@成熟度可以確保最佳的甜味、營(yíng)養(yǎng)價(jià)值以及貨架期。然而，人工通過經(jīng)驗(yàn)判斷成熟度的方法存在著耗時(shí)費(fèi)力，主觀性強(qiáng)的問題。實(shí)驗(yàn)分析果實(shí)成熟度的方法成本高昂且難以在大田環(huán)境中開展。

在本研究中，研究人員采集了3806張不同生長(zhǎng)階段甜瓜的高清彩色圖像用于構(gòu)建數(shù)據(jù)集，包含了大田環(huán)境中遇到的常見復(fù)雜情況，如遮擋、重疊和不同的光照強(qiáng)度。

圖1 | 實(shí)地?cái)?shù)據(jù)收集

研究人員基于改進(jìn)的深度學(xué)習(xí)算法，提出了一種目標(biāo)檢測(cè)模型MRD-YOLO。該模型結(jié)合了領(lǐng)域內(nèi)先進(jìn)的輕量級(jí)主干網(wǎng)絡(luò)、設(shè)計(jì)范式以及注意力機(jī)制。利用MobileNetV3作為主干網(wǎng)絡(luò)，在計(jì)算受限的環(huán)境中減小了模型大小并提高了其推理效率。Slim-neck設(shè)計(jì)范式的集成進(jìn)一步優(yōu)化了模型，確保了檢測(cè)精度，同時(shí)最大限度地減少了參數(shù)量和計(jì)算量。此外，研究人員引入了協(xié)調(diào)注意力機(jī)制，以增強(qiáng)模型在復(fù)雜場(chǎng)景中檢測(cè)不同成熟度目標(biāo)的能力。

圖2 | MRD模型整體框架

MRD-YOLO經(jīng)訓(xùn)練后在測(cè)試集上達(dá)到了97.4%的檢測(cè)準(zhǔn)確率。在真實(shí)現(xiàn)場(chǎng)環(huán)境中的實(shí)驗(yàn)驗(yàn)證表明，與現(xiàn)有的最先進(jìn)方法相比，MRD-YOLO對(duì)于遮擋嚴(yán)重以及光照不均勻的目標(biāo)有著更好的適應(yīng)能力，有效地解決了復(fù)雜自然環(huán)境條件下甜瓜成熟度檢測(cè)任務(wù)的挑戰(zhàn)。其輕量級(jí)設(shè)計(jì)也使其有望部署在各種資源受限的現(xiàn)場(chǎng)設(shè)備中。

圖3 | 對(duì)比實(shí)驗(yàn)檢測(cè)結(jié)果。箭頭指向誤檢，綠色邊界框表示漏檢

模型權(quán)重、數(shù)據(jù)集以及源代碼可由GitHub（https://github.com/XuebinJing/Melon-Ripeness-Detection）下載。

基因組所與太原理工大學(xué)聯(lián)培碩士荊雪斌、王元昊分為本文第一作者與第二作者，基因組所潘瑋華研究員、太原理工大學(xué)李東喜副教授為本文共同通訊作者。該項(xiàng)目得到了國(guó)家自然科學(xué)基金、深圳市科技計(jì)劃、中國(guó)農(nóng)業(yè)科學(xué)院創(chuàng)新計(jì)劃以及山西省基礎(chǔ)研究項(xiàng)目的資助。

原文鏈接：https://plantmethods.biomedcentral.com/articles/10.1186/s13007-024-01259-3