TomatoRipen-MMT:以变压器为基础的RGB和NIR光谱融合用于番茄成熟度分级
Parul Dubey1, Pranati Waghodekar2, Prashant Sudhakar Lahane2
1Symbiosis Institute of Technology, Nagpur Campus, Symbiosis International (Deemed University), Pune, India. parul.dubey@sitnagpur.siu.edu.in.
Scientific reports
|December 18, 2025
概括
本研究介绍了一种多式变压器模型,用于使用RGB和近红外 (NIR) 成像进行准确的番茄成熟度评估. 新方法显著提高了准确农业应用的分类准确性.
科学领域:
- 精准农业 精准农业 精准农业
- 计算机视觉 计算机视觉
- 多光谱成像技术的使用
背景情况:
- 准确的成熟度评估对于优化作物产量和减少农业收获后损失至关重要.
- 传统的RGB成像与微妙的成熟度变化和不同的环境条件作斗争.
- 现有的自动化系统缺乏可靠的水果成熟度评估的稳定性.
研究的目的:
- 通过整合互补的光谱线索,开发一个可靠的系统来评估番茄成熟度.
- 解决基于RGB的方法在区分到期阶段的局限性.
- 通过改进自动化收获和产量优化,加强精准农业.
主要方法:
- 使用一个精选的RGB-NIR高光谱番茄数据集 (224个样本).
- 开发了TomatoRipen-MMT模型,这是一款带有双编码器和跨光谱注意力的多式变压器.
- 使用动态交叉注意力机制,从RGB和NIR数据中融合空间和生化信息.
主要成果:
- TomatoRipen-MMT模型实现了94.8%的分类准确度和82.6%的欧盟平均交叉点 (mIoU).
- 显著优于基线RGB-only,NIR-only和其他融合方法.
- 在不同的成熟度类别和成像条件中表现出强大的性能.
结论:
- 多模式变压器对于精确的果实成熟度评估非常有效.
- 提出的TomatoRipen-MMT模型为控制农业环境中的自动化系统提供了显著的进步.
- 互补的光谱数据的整合提高了计算机视觉在精密农业中的可靠性.
