基于环境自适应与提示融合UNet的复杂场景下未成熟百香果分割方法

《Information》：An Environment-Adaptive and Prompt-Fusion Network for Segmenting Unripe Passion Fruits in Complex Scenes

　　

摘要

在精准农业中，果实分割是果园机器人作业的基本视觉前提，包括精准管理、自动采摘和产量估计。对于未成熟百香果，实际果园场景中复杂的场景干扰、果叶高度相似以及叶片遮挡，很容易导致现有模型出现漏检和过度分割的问题。为应对这些挑战，我们构建了一个名为ZKMPF的多场景未成熟百香果数据集。基于UNet架构，我们提出了环境自适应与提示融合UNet（EAPF-UNet）。首先，EAPF-UNet在编码器中嵌入了环境适配器，通过调整特征参数来减轻复杂场景的干扰。然后，它集成了定位多尺度融合模块（LMSM）和细化多尺度融合模块（LMFM），以实现未成熟百香果的精确定位和细化，并应对尺度变化。最后，它设计了多维提示融合模块，整合颜色、几何和纹理先验信息，以提升未成熟百香果与背景之间的特征判别能力。我们在自建设数据集上进行了实验，将EAPF-UNet与其他八种分割模型进行比较。在八种分割模型的评估中，EAPF-UNet在六项指标上取得了85.51%的mDice和77.16%的mIoU，在该数据集的测试场景中获得了具有竞争力的分割结果。