基于共享有序与异常描述符字段的库尔勒香梨树上实时分级

《Computers and Electronics in Agriculture》：Real-time on-tree Korla pear grading with a shared ordinal–anomaly descriptor field

　　

• 共享表征将外观分级与缺陷检测联系起来。
• 四个处理阶段使用相同的等级和缺陷证据。
• 层次化预测器返回所有三个等级的概率。
• 该模型在留出果园上达到了94.0%的平均精度均值。
• 量化部署在边缘计算机上每秒处理42帧。

引言

库尔勒香梨（Pyrus sinkiangensis Yü）是南疆的主要经济水果，其基于外观的等级既决定了单价，也决定了每颗水果的下游分配。除了传统的采后流水线分级之外，树上分级——即在采摘前、水果仍挂在树上时进行的分级——正受到水果行业越来越多的关注，因为它支持选择性采摘、产量估算和采后调度。对于采摘机器人而言，必须在抓取之前推断等级：符合A级或B级商业标准的水果被采摘，而被归类为C级的则被拒绝或留在树上。

标注方案参考了新疆质量标准DB65/T 4295-2020以及GB/T 19859-2005中的产品标识和通用要求（新疆维吾尔自治区市场监督管理局，2020；国家标准化管理委员会，2005）。对于视觉学习任务，相关的外观要求被转化为三个操作标签。标签A、B和C是本研究专用的简写，而非标准中的逐字等级符号。A级要求形状规则、颜色均匀且无可见瑕疵；B级允许形状或颜色有轻微偏差，但无结构性缺陷；C级包含可识别的表面缺陷。KPR-3还额外记录了四种数据集特定的C级子类型——锈斑、瘀伤、畸形和虫害——作为辅助标签。A与B的边界主要由中低频线索表达，如表皮光滑度和颜色均匀度；而C级则与结构性缺陷周围局部纹理和边缘变化相关。

树上场景与采后流水线在光照、遮挡、表观尺度及果实重叠方面存在差异，且每个因素对两个分级决策的影响不同。不均匀光照会改变A/B边界处的颜色均匀度和表皮光滑度，而高光和投射阴影既可能掩盖真实的C级缺陷，也可能制造类似缺陷的对比度。遮挡会移除A/B区分所需的形状和颜色证据，并可能遮蔽C级判定所依赖的局部表面区域；叶片和枝条的边界也可能被误判为病斑。小果实的下采样同时削弱了渐进式颜色过渡和局部高频缺陷纹理。相邻果实之间的重叠进一步造成了实例分配问题，因为仅凭单目外观无法判断观察到的缺陷位于前后表面的哪一侧。因此，分级检测器需要在采摘系统的延迟预算内同时保留整体外观结构和局部异常证据。采摘机器人的系统级研究报告称，200–500毫秒的手臂动作周期要求帧率目标至少为25 FPS（Bachche, 2015; Tang et al., 2020），视觉伺服期间至少为30 FPS（Arad et al., 2020）。

近期水果视觉研究涉及了本问题的相关但独立的部分。J. Wang等人（2024）修改了YOLO系列以区分绿色果实与叶丛，而AHG-YOLO（Ma et al., 2025）使用基于YOLOv11n的检测器在复杂冠层中区分梨果的遮挡状态。在受控分级设置中，YOLOPears（Chen et al., 2025）建立了多类梨表面缺陷的目标检测基准。这些研究提供了相关的检测和缺陷识别证据，但它们并未将渐进式A/B外观边界与同一树上实例的C级与非C级缺陷判定相结合。

仅有少数研究直接针对分级问题。Xiao等人（2024）评估了YOLOv8和单阶段CenterNet检测器用于多类水果成熟度识别，C. Wang等人（2024）在YOLOv8上引入注意力模块用于草莓成熟度分类。此类扁平的多类公式适用于标签位于单一成熟度轴上的情况，但当前任务还包含结构性缺陷边界。Softmax输出头将A、B和C置于同一分类地位，因此微小的A–B偏差和A–C缺陷错误通过相同的分类几何进行优化。常规的双任务公式分离了输出头，但共享骨干网络仍受广义颜色与形状证据以及局部缺陷纹理的梯度影响。损失重加权或梯度投影可以减少这些目标之间的冲突；这两种机制都未能指明在输出头分叉之前，每个空间位置应保留何种有序和异常信息。

同样的差距也出现在组件层面。频域感知空洞卷积（Chen et al., 2024）和小波分解卷积（Finder et al., 2024）能够实现尺度自适应的骨干特征，但缺乏任务级语义先验。CORAL（Cao et al., 2020）通过累积概率强制执行有序分类的概率归一化，但仅处理单一有序维度，未联合建模有序分级和异常检测。这些组件为通用图像分类而设计，将其适配到树上农业检测需要与任务语义进行显式对齐。

两个分级决策对特征表征提出了不同的要求。A级/B级区分主要依赖形状完整性和颜色一致性等中低频线索，而C级检测更强烈地依赖局部化的高频纹理和边缘证据。A级和B级构成渐进式外观过渡，而C级表示缺陷状态的改变，而非同一视觉连续体上的下一个点。仅通过最终检测损失学习得到的表征没有明确的理由在浅层空间位置保留这一区分。

本研究通过引入有序-异常描述子场来解决这一冲突，该描述子场与共享特征层级并存。该描述子场在浅层阶段使两类分级证据显式化，并为后续模块提供相同的空间条件信号，同时每个模块保留适合自身角色的算子。

基于这一公式，所提出的方法将YOLOv11n（Khanam and Hussain, 2024）扩展为分级检测网络。有序-异常模块（OOM）插入在浅层骨干阶段，通过变分信息瓶颈（Alemi et al., 2017）生成三通道描述子场。三个通道分别编码有序倾向、异常倾向和前景置信度，该描述子场作为所有下游模块的共享条件输入。下游模块在四个位置消费该描述子场——骨干频域处理、注意力归一化、颈部跨尺度融合和检测头判别——分别通过softmax混合、带非负可学习权重的核偏置、sigmoid路由和特征级线性调制实现。检测头将等级决策分解为先C级与非C级判别，再在非C级分支内判别A级与B级，由此得到的三个概率之和天然等于1。在训练过程中，来自四个消费方的梯度联合更新OOM和检测器。本研究的主要贡献如下：

• 共享描述子场机制（OOM）。我们引入了一种网络设计，在浅层骨干阶段显式生成有序-异常描述子场。在密集语义监督下，变分信息瓶颈生成有序、异常和前景通道，而结构化KL先验将四类样本分配到不同的潜在区域。
• 层次化检测头（Detect-HOD）。该检测头通过嵌套sigmoid将异常分支和有序分支耦合在一起。它首先表示C级与非C级的判定，然后条件于非C级分支解决A与B的判别，给出PA+PB+PC≡1，而无需将三个等级置于同一有序轴上。
• 下游适配的算子-位置匹配方案。描述子以适合各下游模块角色的形式被消费：骨干频域阶段采用softmax混合，注意力归一化阶段采用带非负可学习权重的核偏置，颈部跨尺度融合阶段采用sigmoid路由，检测头采用特征级线性调制。四个模块使用不同的数学形式，但同时消费相同的描述子场，在训练期间OOM从所有四条路径接收反向传播梯度。
• KPR-3数据集与部署评估。我们构建了KPR-3，一个包含3826张图像和12,458个实例的树上库尔勒香梨分级数据集，涵盖四种C级子类型，从三个果园采集并按果园级别划分。额外评估涵盖留一果园分裂、2025年同果园时间集以及臂载工业相机。在15瓦功耗的Jetson Orin Nano 8 GB上进行INT8部署，可持续实现端到端流水线吞吐量42 FPS。
• 开源发布。模型实现、训练和评估方案、KPR-3数据集及边缘部署配置已发布于https://github.com/DynaVLA/HODB，连同复现此处报告的精度和设备端测量所需的文档。

章节节选

相关工作

水果检测和分级研究提供了两组相关的对比。在树上场景中，GreenFruitDetector（J. Wang et al., 2024）处理了果实与叶丛之间的颜色相似性问题，而AHG-YOLO（Ma et al., 2025）检测无遮挡、枝叶遮挡和果实重叠情况下的梨果。在相邻的分级设置中，YOLOPears（Chen et al., 2025）在受控图像采集条件下建立了多类梨表面缺陷检测的基准，而AITP-YOLO（Huang et al., 2025

问题公式化

第1节介绍了根据DB65/T 4295-2020外观要求衍生的操作三级分类法，以及KPR-3中使用的四种数据集特定的C级子类型——锈斑、瘀伤、畸形和虫害。所提出的方法将等级标签yj∈{A,B,C}作为主要输出进行预测，并将子类型标签yjsub∈{0,1,2,3}作为辅助训练信号。两个标签均在第4.1节所述标注方案下分配。

共享描述子场的动机

可以考虑两种组织策略

KPR-3数据集

图像采集自新疆库尔勒的三个商业梨园——普惠、和硕和焉耆，彼此相距15–40公里。主要品种为库尔勒香梨（Pyrus sinkiangensis Yü），树龄8–15年。图像采集使用了两部智能手机，iPhone 14 Pro和华为Mate 50。采集覆盖了2024年8–9月成熟期的三种光照条件：早晨（08:00–10:00）、中午（12:00–14:00）和傍晚（17:00–19:00），以及

弱像素级监督的可靠性

描述子场从实例框训练，因此第一个分析检验矩形填充是否改变了空间监督从而改变所学模型。一个独立审核集包含240张图像和782个水果实例，跨等级、果园、光照条件、尺度和遮挡水平采样。该集仅用于量化标签质量，从不进入训练或超参数选择。两位标注员独立勾勒水果轮廓，并

讨论

结果表明，在最终预测头之前使有序和异常信息显式化能够改善分级表征。在匹配对照中，独立逐阶段条件优于扁平检测器，共享确定性描述子场优于独立设计，各向同性变分信息瓶颈进一步提升了增益，而类结构锚点优于各向同性先验。双通道对照识别出前景置信度的贡献较小，而

结论

本研究将树上库尔勒香梨分级公式化为耦合的有序和异常决策，并引入了一个由四个下游阶段共享的三通道描述子场。该描述子场通过具有类结构锚点的变分瓶颈学习，而检测头将有序和异常证据转化为归一化的等级概率。在KPR-3上，该模型在检测、匹配实例分级和采摘/拒绝指标上均优于所评估的基线方法。

CRediT作者贡献声明

Bingyu Cao：撰写—初稿、可视化、软件、方法论、调查研究、概念构思。Peng Zhou：撰写—审阅与编辑、可视化、方法论、调查研究。Zhikai Yang：形式分析、数据管理。Wei Chen：形式分析、数据管理。Yingchao Wang：形式分析、数据管理。Mingqi Kan：形式分析、数据管理。Haiyong Chen：项目管理、资金获取、概念构思。

伦理声明

作者声明本研究不涉及人类或动物受试者。

资金支持

本研究得到了新疆维吾尔自治区自然科学基金（项目编号：2025D01C349、2022D01B148）、河北省研究生创新资助项目（项目编号：CXZZBS2027037）、国家自然科学基金（项目编号：62473127、U21A20482）、巴音郭楞蒙古自治州科技计划项目（项目编号：202510）以及中央财政引导地方科技发展资金的支持。

利益冲突声明

作者声明不存在已知的竞争性经济利益或个人关系可能影响本研究中报告的工作。

Bingyu Cao | Peng Zhou | Zhikai Yang | Wei Chen | Yingchao Wang | Mingqi Kan | Haiyong Chen