基于视觉触觉双重迁移学习的番茄成熟度检测方法

作     者：张鹏 杜东峰 李爽 单东日 陈振学 ZHANG Peng;DU Dongfeng;LI Shuang;SHAN Dongri;CHEN Zhenxue

作者机构：齐鲁工业大学(山东省科学院)信息与自动化学院济南250353 齐鲁工业大学(山东省科学院)机械工程学院济南250353 山东大学控制科学与工程学院济南250061 

出 版 物：《农业机械学报》 (Transactions of the Chinese Society for Agricultural Machinery)

年 卷 期：2025年第56卷第1期

页      面：74-83页

核心收录：

学科分类：1305[艺术学-设计学（可授艺术学、工学学位）] 13[艺术学] 081104[工学-模式识别与智能系统] 08[工学] 0804[工学-仪器科学与技术] 081101[工学-控制理论与控制工程] 0811[工学-控制科学与工程] 

基　　金：山东省重大科技创新工程项目(2019JZZY010444) 齐鲁工业大学(山东省科学院)科教产融合培优基金项目(2023PY006) 

主　　题：番茄成熟度 机器视觉 机器触觉 双重迁移学习 软参数共享-多标签 

摘      要：针对当前自动化采摘过程中仅依赖视觉技术无法准确识别番茄成熟度的问题,提出了一种基于视觉触觉双重迁移学习的番茄成熟度检测方法。该方法首先采用视觉触觉双重迁移学习融合算法作为特征提取融合模块,解决无法有效提取番茄特征信息的问题。其次,将软参数共享-多标签分类方法作为分类模块,通过增加不同分类任务之间的关联性,避免出现过拟合的现象。本文主要针对成熟后为红、黄果等单一颜色的番茄品种,并在新开发的视觉触觉数据集进行实验研究。实验表明,软参数共享-多标签检测模型参数量为1.882×10^(7),成熟度AUC分值达到0.9773,对比不确定性加权损失、自适应硬参数共享、十字绣网络和软参数共享等检测模型,参数量分别下降3.08×10^(6)、6.16×10^(6)、3.08×10^(6)和3.08×10^(6),成熟度AUC分值分别提高0.0175、0.0179、0.0267和0.0089。这表明该方法在一定程度上提高了自动化采摘过程中对番茄成熟度的检测能力,为番茄成熟度检测问题提供了一种有效的解决方法。