近日，山東農(nóng)業(yè)大學(xué)機械與電子工程學(xué)院蘋果智能化生產(chǎn)團(tuán)隊在《Computers and Electronics in Agriculture》上發(fā)表題為“Apple diameter prediction during mechanical picking based on flexible force-sensing and CNN-BiLSTM-Attention method”的最新研究成果。機電學(xué)院博士研究生蘆明旸為第一作者，孫林林副教授、王金星教授和閆銀發(fā)教授為共同通訊作者，山東農(nóng)業(yè)大學(xué)為唯一通訊單位。

果實尺寸是評定其商業(yè)價值的核心指標(biāo)之一。然而，目前蘋果產(chǎn)業(yè)普遍采用“先采摘、后分級”的離線作業(yè)模式。這種模式不僅增加了額外的分選、運輸環(huán)節(jié)與人工成本，還極易在處理過程中對果實造成二次損傷，影響經(jīng)濟(jì)效益。近年來，研究人員嘗試應(yīng)用機器視覺技術(shù)進(jìn)行實時檢測，但在光照變化、枝葉遮擋等復(fù)雜的田間環(huán)境下，其檢測精度和穩(wěn)定性仍面臨巨大挑戰(zhàn)。

針對以上技術(shù)難題，研究團(tuán)隊提出了一種融合柔性力感知與深度學(xué)習(xí)的蘋果果徑實時檢測與分級新方案，實現(xiàn)了采摘與尺寸分級的同步一體化作業(yè)。研究團(tuán)隊將自主研制的離子凝膠摩擦納米發(fā)電機（IG-TENG）部署于三指Fin-Ray柔性末端執(zhí)行器。該系統(tǒng)能夠?qū)崟r、靈敏地采集末端執(zhí)行器與蘋果的力時序數(shù)據(jù)。為實現(xiàn)尺寸的精準(zhǔn)預(yù)測，團(tuán)隊構(gòu)建了一種新型的CNN-BiLSTM-Attention混合深度學(xué)習(xí)網(wǎng)絡(luò)。該模型能夠?qū)崟r融合抓取過程中的力感知時序數(shù)據(jù)、電機的行程數(shù)據(jù)和果實位姿信息。通過CNN提取局部特征，BiLSTM捕捉長時序依賴，Attention機制聚焦關(guān)鍵時間步，模型可以擬合不同抓取條件與果實幾何尺寸之間的復(fù)雜映射關(guān)系。田間試驗結(jié)果表明，該果徑預(yù)測方法與人工測量值相比，平均絕對誤差（MAE）僅為2.13 mm，尺寸分級正確率高達(dá)92%。這一研究為智能采摘裝備的無損作業(yè)和精準(zhǔn)分揀提供了高效、低成本且可靠性強的新技術(shù)路徑。

圖1 基于CNN-BiLSTM-Attention的實時果徑預(yù)測模型

圖2 果園試驗結(jié)果分析

該研究得到了國家自然科學(xué)基金、山東省重點研發(fā)計劃項目的資助。

論文鏈接：

https://doi.org/10.1016/j.compag.2025.111128