宾夕法尼亚州立大学的研究人员设计了一种机器视觉系统，能够在果园树木上的花簇中定位和识别苹果王花 - 这是机器人授粉系统开发的关键早期步骤 - 这是首次此类研究。

苹果花以四到六朵花朵为一组生长，附着在树枝上，中间的花朵被称为王花。这种花在簇中首先开放，通常生长最大的果实。因此，它是机器人授粉系统的关键目标，农业和生物工程助理教授Long He表示。

传统上，苹果的生产力依赖于昆虫授粉。然而，他指出，有证据表明，来自驯养蜜蜂和野生传粉媒介的授粉服务与不断增长的需求不匹配。由于蜂群崩溃紊乱，世界各地的蜜蜂都在以惊人的速度死亡。因此，生产者需要替代的授粉方法。

这项研究是贺建奎在农业科学学院的研究小组进行的最新研究，该小组致力于开发机器人系统，以完成劳动密集型农业任务，如采摘蘑菇、修剪苹果树和绿色水果间伐。他解释说，这个项目的主要目标是开发一个基于深度学习的视觉系统，该系统可以精确识别和定位树冠中的王花。

“我们认为这一结果将为机器人授粉系统提供基线信息，这将导致苹果的高效和可重复授粉，以最大限度地提高高质量水果的产量，”他说。“在宾夕法尼亚州，我们仍然可以依靠蜜蜂为苹果作物授粉，但在蜜蜂死亡更为严重的其他地区，种植者可能迟早需要这项技术。

农业生物工程系博士生穆欣阳率先开展了王花研究。Mu使用Mask R-CNN(一种流行的深度学习计算机程序，可执行像素级分割以检测部分被其他对象遮挡的物体)来识别和定位机器视觉系统中的国王花。

为了建立基于Mask R-CNN的检测模型，他拍摄了数百张苹果花集群照片。然后，他开发了一种国王花分割算法，从苹果花图像的原始数据集中识别和定位国王花。这项研究是在宾夕法尼亚州立大学比格勒维尔的水果研究和推广中心进行的。

选择Gala和Honeycrisp苹果品种进行测试。测试树于2014年种植，树间距约为5英尺(Gala)和6 1/2英尺(Honeycrisp)。这些树木在高大的纺锤形树冠结构中训练，平均高度约为13英尺。带有摄像头的图像采集系统安装在一排树之间操纵的多功能车上。

Mu指出，训练机器视觉系统定位国王花具有挑战性，因为它们的大小，颜色和形状与簇状的侧花相同，并且由于它们的中心位置，国王花通常被周围的花朵遮挡。

为了满足掩模R-CNN模型训练的迁移学习要求，原始图像被标记为两个预定义的类：单个花朵和遮挡花朵。为了提高精度，使用数据增强方法将训练数据集扩大了四倍，Mu解释说。

“为了区分王花和侧花，每个花簇中最中心的花被定位或定位，”他说。“视觉系统根据二维花密度映射方法自动分别定位花簇。在每个检测到的花簇中，最中心位置的花朵或面具被确定为目标王花。

在最近发表在《智能农业技术》上的研究结果中，研究人员报告说，Mu的算法产生了高水平的国王花检测精度。与研究人员手动识别国王花的测量(研究人员称为地面实况测量)相比，机器视觉国王花的检测精度从98.7%到65.6%不等。