在设施与露地果园里，成熟度判断长期依赖人工抽检。同一株上的果实成熟期常相差数天，早采影响糖度，晚采增加落果与损耗。本实验室近期把研究重点放在「自然光下的果实成熟度分级」这一环节。
与分选线上的受控光照不同，田间成像面临三类干扰：叶片与枝条遮挡、逆光造成的果面高光、以及套袋与未套袋带来的颜色基准漂移。我们采用两级结构：检测阶段用轻量分割模型输出果实的可见区域轮廓，据此估算遮挡比例，超过阈值的样本不进入分级；分级阶段仅在可见区域上估计色泽、果径与纹理特征，输出成熟度等级及置信度，避免用被遮挡区域的颜色做推断。
阶段性进展：在自采的约 1.2 万张果园图像上（覆盖 3 个品种、晴/阴/逆光三种光照），可见果的成熟度等级一致率约 86%；遮挡比例高于 40% 的样本被标记为「需人工复核」，占比约 11%。分级结果按地块聚合后，可输出未来 7 天的可采量与采收排期建议，供采收队排班参考。
下一步计划：一是将单果分级与产量估计合并到同一模型，减少重复推理开销；二是补充套袋果与夜间补光场景样本，验证分级阈值是否需要分场景重标。模型以边缘推理盒方式部署，果园断网时本地缓存结果，网络恢复后回传，不影响当日采收决策。
评论