摘要
番茄是泰国最重要的经济作物之一，不仅创造了可观的出口价值，还为当地农民提供了主要收入来源。然而，传统的人工分级方式往往无法符合泰国农业标准TACFS 1503–2007的要求，因为分级决策过度依赖个人经验与主观判断，从而导致产品质量不稳定。现有的自动化系统存在准确率低、成本高以及硬件复杂的问题，而且很多系统还不符合泰国的分级标准。本研究提出了一种多视角番茄分级系统（MVT-Grader），该系统使用了从Doi Kham食品有限公司（陶艾的第三皇家工厂）在受控照明条件下获取的数据集。MVT-Grader基于一种定制设计的轻量级CNN架构，并采用了经过调整的空间感知损失函数，以提高模型检测表面细微缺陷和颜色差异的能力。该模型是通过低成本网络摄像头从两个或三个不同视角拍摄的番茄图像进行训练的，处理则由嵌入GPU的系统完成。通过对真实工业数据集采用分层5折交叉验证进行的实验显示，该系统的平均分级准确率分别为99.43%（两视角）和99.64%（三视角）。此外，这种具备空间感知损失优化功能的实时轻量级CNN的处理速度分别为每个番茄87毫秒和114毫秒。与MVCNN-Siamese、SDF-ConvNets以及多视角空间网络相比，该系统在准确率和速度方面均更具优势，准确率提升了1.6–6.11%，处理时间则减少了39–49毫秒。
