基于去遮挡模型与扩散数据增强的立式栽培东方甜瓜尺寸精准估测研究

为解决立式栽培东方甜瓜因叶片遮挡导致的尺寸测量难题，研究人员创新性结合扩散模型(DDPM)生成合成叶片数据，并开发基于Transformer的去遮挡分割模型(Amodal Mask2Former)。该模型在85.92%的平均精度(AP)下实现甜瓜高度和直径估测误差分别低至4.86%(MAPE)和5.33%，为农业表型分析提供了高精度自动化解决方案。

　　

在精准农业快速发展的背景下，立式栽培系统因其空间效率高、便于自动化管理而成为设施农业的重要方向。然而，这种栽培方式下的作物表型分析面临独特挑战——尤其是叶片遮挡导致的水果尺寸测量难题。以韩国广泛种植的东方甜瓜(Cucumis melo L. var. makuwa)为例，传统匍匐栽培中叶片遮挡严重阻碍自动化监测，而立式栽培虽能改善这一问题，但现有计算机视觉方法仍难以准确估算被遮挡水果的真实尺寸。更复杂的是，东方甜瓜非球形的形态特征使得基于简单几何假设的解决方案失效，而获取完整果实形状的真实标注(ground truth)又极其困难——当移除遮挡叶片时，果实位置往往发生改变，无法获取同一视角下无遮挡的对照图像。

针对这些挑战，首尔国立大学生物系统工程系的Sungjay Kim团队在《Plant Phenomics》发表研究，提出融合生成式人工智能与深度学习的前沿解决方案。研究人员首先采用去噪扩散概率模型(Denoising Diffusion Probabilistic Model, DDPM)中的RePaint技术，通过图像修复(inpainting)生成逼真的合成叶片遮挡数据，构建包含446张合成图像的增强数据集。基于此，系统比较了三种实例分割模型(ISM)——掩膜区域卷积神经网络(Mask R-CNN)、Mask2Former和检测Transformer(DETR)，并创新性地将其改造成去遮挡分割架构，包括仅含去遮挡掩膜头(Amodal Mask Head)的ASM和同时保留可见与去遮挡掩膜头的OSM。

关键技术方法包括：1) 使用Intel RealSense D435i RGB-D相机采集立式栽培甜瓜图像，构建包含439张无遮挡和446张合成遮挡图像的数据集；2) 基于RePaint框架的扩散模型数据增强，通过类别条件化训练生成不同遮挡比例的合成图像；3) 开发基于Transformer的Amodal Mask2Former等六种去遮挡模型；4) 采用凸包和椭圆拟合算法从预测掩膜中提取甜瓜高度和直径；5) 通过平均精度(AP)、平均绝对误差(MAE)等指标系统评估模型性能。

研究结果部分显示：

1. 1.

   数据增强：扩散模型成功生成遮挡比例呈正态分布(均值0.31±0.13)的合成图像，最高遮挡比达65%，显著提升了数据多样性。

2. 2.

   去遮挡分割性能：所有去遮挡模型(ASM/OSM)均显著优于传统ISM，其中Amodal Mask2Former以85.92% AP表现最佳，在IoU阈值0.5时达到99.98% AP。

3. 3.

   尺寸估测精度：Amodal Mask2Former实现高度和直径估测的MAPE分别为4.86%和5.33%，较ISM降低约50%误差。ORCNN在高度估测中表现突出(R²=0.87)。

4. 4.

   遮挡比例影响：ANOVA分析表明ASM/OSM在10-60%遮挡区间的性能显著优于ISM(p<0.1)，但在极端遮挡(>70%)场景仍有局限。

5. 5.

   消融实验：当使用75%以上去遮挡标注时，模型性能出现跃升(ORCNN从55.66跃至80.74 AP)，显示充足去遮挡数据的关键阈值效应。

讨论部分强调，该研究首次系统解决立式栽培东方甜瓜的尺寸估测难题，其创新点主要体现在三方面：一是将Transformer架构(如Mask2Former)成功应用于农业去遮挡任务，证明其在处理非球形水果上的优势；二是开创性地采用扩散模型进行农业数据增强，相比传统GAN生成更逼真的遮挡纹理；三是提出的椭圆拟合方法实现从2D掩膜到3D尺寸的准确转换。尽管在极高遮挡(>70%)场景和复杂光影模拟方面存在局限，但这项工作为农业表型分析提供了新范式，其技术路线可扩展至黄瓜、番茄等其他立式栽培作物，对推动设施农业自动化具有重要实践意义。

研究最终得出结论：基于Amodal Mask2Former和扩散数据增强的融合框架，首次实现立式栽培东方甜瓜在叶片遮挡条件下的高精度尺寸估测，其中高度和直径的平均绝对百分比误差分别控制在5%左右。这不仅为精准农业提供了可靠的表型分析工具，也为复杂农业场景下的计算机视觉应用树立了新技术标准。未来通过改进生成模型的光影模拟能力、开发半监督学习方法，有望进一步突破极端遮挡场景的技术瓶颈。