AI温室番茄成熟度分级定制：多光谱与遮挡补偿

智慧农业场景中，番茄采收期每日需多次判熟，人工分级标准漂移明显。本实验室以温室吊蔓番茄为对象，尝试用可见光—近红外多光谱成像替代人眼判断，将成熟度离散为绿熟、转色、半红、全红四档。

当前方案分两步：先在移动平台上以固定曝光采集多光谱图，用轻量分割网络剥离叶片与果串遮挡区域；再以果面有效像素的R/G比与NDVI均值、果形椭圆度作为特征做四分类。遮挡比例超过40%的果面直接标注为“待复检”，不进入自动分级，避免误判果实流向分选线。

进展与数据：在三个温室的12个品种小区上，离线测试集准确率88.7%；错判集中在转色—半红边界，约占错误样本六成，主要来自逆光与果霜反光。与人工分级对照，单果判定耗时由约3秒降至0.4秒，但装筐前的人工复核环节仍保留。

下一步计划：补充夜间补光条件下的成像样本，把遮挡复检率压到10%以内；同时与采收排程联动，按当日成熟度分布给出采摘顺序建议，验证分级结果能否真正减少重复巡棚。