DFINE-AGS: A Representation-Preserving Transformer Detector for Potato Detection in Complex Field Environments
本文提出了 DFINE-AGS，这是一种新型基于 Transformer 的检测器，通过结合全局语义锚定、内容依赖型路由和相位保持卷积，旨在复杂的田间环境中实现高精度且高效边缘部署的鲁棒实时马铃薯块茎检测。
原始论文采用 CC BY 4.0 许可（https://creativecommons.org/licenses/by/4.0/）。 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。 阅读完整免责声明
在马铃薯生长的广袤开阔的田野中，收获的工作远非易事。作物本身往往隐藏起来，部分埋在土块之下，或与植物残渣缠绕在一起，又或是紧贴着其他块茎。对于人类肉眼来说，这些情况尚可应对，但对于机器而言，它们呈现出一个令人困惑的视觉谜题。马铃薯的表皮颜色和纹理往往与周围的泥土相近，这使得标准摄像头几乎无法分辨蔬菜与岩石的区别。这一挑战处于农业与人工智能的交汇点——在这个领域，研究人员通过向计算机展示数以千计的示例，来教计算机如何“看”，直到机器学会识别那些人类认为理所当然的模式。目标不仅是发现一颗马铃薯，而且要足够快速且准确地进行识别，从而引导收割机实时作业，用一套能在多变天气和地形下日复一日运行的系统，取代缓慢且耗费人力的手工劳动。
来自青岛农业大学和海南大学的研究小组开发了一种专门针对解决在杂乱真实的农田中识别马铃薯这一问题的新系统。他们创建了一个名为 DFINE-AGS 的软件模型，它充当了农业机械的高级观察员。不同于那些在面对半埋或沾满泥土的马铃薯时可能会陷入困境的旧系统，这个新模型旨在保留定义马铃薯形状的微弱且关键的细节，即使这些细节在环境中变得模糊或破碎。研究人员从一种被称为 Transformer 的现有人工智能类型入手，这种技术擅长理解图像不同部分之间的关系。然而，他们发现标准的该类技术对于混乱的马铃薯田环境过于僵化。当它试图简化图像时，往往会丢失重要的信息，从而错过那些细小或部分隐藏的块茎。
为了解决这个问题，团队重新设计了系统的内部结构，以处理机器观察马铃薯田时遇到的三个特定问题。首先，他们解决了马铃薯与土壤之间的混淆问题。在田间，马铃薯看起来可能与旁边的泥土非常相似。新系统使用了一种方法，帮助计算机理解场景的整体语境，使其能够根据周围环境而非仅仅根据颜色，来判断一个棕色斑块是岩石还是马铃薯。其次，他们解决了细节丢失的问题。当计算机处理图像时，通常会缩小图像尺寸以加快计算速度，但这个过程可能会抹去勾勒出部分埋藏马铃薯的纤细、微弱线条。研究人员增加了一个特殊的步骤，在图像被简化之前保持这些细腻线条的完整性，确保机器不会丢弃它寻找作物所需的证据。最后，他们解决了尺寸变化的问题。如果摄像头距离很近，马铃薯看起来会很大；如果距离较远，则会显得很小，而系统需要理解它们是同一个物体。新设计将这些不同的尺寸联系在一起，使计算机无论是在面对一个硕大清晰的目标，还是一个微小遥远的斑点时，都能识别出马铃薯。
这一重新设计的成果在收集自内蒙古马铃薯田的大量照片上进行了测试，这些照片包含数千张具有不同土壤类型和光照条件的图像。新系统表现出了卓越的准确性。它正确识别了预测中 90.4% 的马铃薯，并找到了测试图像中实际存在的全部马铃薯中的 91.5%。通过结合这两个因素的标准评分衡量，该系统的成功率达到了 90.9%。为了确保这项技术能在农场实际应用，研究人员在专为野外使用设计的微型便携式计算机芯片上对其进行了测试，这种芯片类似于用于先进无人机或机器人的那种。即便是在这种受限的硬件上，该系统的运行速度也足以每秒处理超过 37 张图像，这足以跟上移动收割机的速度。在最后的一项独立测试中，该系统被部署在一辆实地作业的履带式车辆上，它成功识别了遇到的近 90% 的马铃薯，证实了它不仅能在受控的实验室环境中工作，也能在充满变数的真实农田中胜任。
这项工作表明，通过仔细保留机器倾向于丢弃的特定视觉线索，可以创造出一种既快速又可靠的检测系统，以应对复杂的农业任务。研究人员并没有简单地向问题中增加更多的计算能力，而是改变了系统处理信息的方式，以尊重田间艰苦的环境条件。研究结果表明，为了让自动化收割成为现实，技术必须像旨在协助人类工人的技术一样，能够适应泥泞、阴影和隐藏物体。通过专注于马铃薯如何隐藏以及其外观如何变化的特性，DFINE-AGS 系统提供了一个稳健的解决方案，弥合了高级人工智能与粗粝、非结构化农田环境之间的鸿沟。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。