【共享文库】一种基于高光谱技术的温室环境下叶片遮挡树莓果实识别模型

广告

园艺星球 www.horticulture.cn

在智能化农业管理中，精准识别被叶片遮挡的树莓果实是实现高效采摘作业的关键难题。传统机器视觉技术因果实易被叶片遮挡而难以准确定位，影响采摘效率与质量，也无法满足温室对果实生长状况精准监测与管理的需求。

陈竹筠  等人研究针对现有机器视觉技术在处理遮挡问题上的局限性，开发了一种基于高光谱技术的树莓果实识别方法，首次引入并优化了 voting-RF-MLP 集成模型。通过采集不同遮挡状态下的树莓果实反射率光谱数据，为模型训练提供了全面的数据集，并采用定制化的数据预处理和 PCA 特征提取算法提升数据质量。voting-RF-MLP 模型结合随机森林（RF）和多层感知器（MLP）优势，通过 GridSearchCV 算法优化超参数，确保最优性能。

测试结果显示，voting-RF-MLP 模型在各类遮挡状态下分类性能卓越，准确率达到 0.8435，精确度、召回率和 F1 分数均显著优于传统单一模型。这一成果提高了树莓果实识别的准确性，该模型可为自动化采摘设备提供精准的果实定位支持，在叶片遮挡条件下实现树莓果实深度距离信息（遮挡距离）的预测，且952 条光谱样本推理时间仅需 13.43 s，可为高光谱技术在复杂农业场景中的高效计算提供算法基础，助力精准农业的智能化升级。

来源：园艺星球