成熟度与遮挡双任务
为设施农业设计的多任务深度学习模型，在可变光照和遮挡下稳定评估樱桃番茄成熟度，支持机器人巡检与产量预估。
Rong, Jiacheng · Xianjun, Li · Wanli, Zheng · Tongqiang, Chen · 袁挺 · 王蓬勃 · 李伟 · Rong, Jiacheng
Biosystems Engineering 2025
回归分支输出的成熟度估计 RMSE 仅为 0.048，远低于常规水平，因此无需人工目测即可获得可靠的成熟度分级。
分类分支以 Accuracy 0.817、F1 0.778 识别被遮挡的果实，避免将遮挡果实误判为成熟或未成熟，从而提高计数准确性。
采用共享 MobileViT 骨干进行高效特征提取，模型轻量化，适合部署在资源受限的巡检机器人或边缘设备上。
在两个温室中平均成熟度预测准确率分别达到 86.3% 和 80.2%，表明模型能适应不同温室条件，无需重新训练即可迁移。