近日，機械與電子工程學院蘋果智能化生產團隊在《Computers and Electronics in Agriculture》上發表題為“Apple diameter prediction during mechanical picking based on flexible force-sensing and CNN-BiLSTM-Attention method”的最新研究成果。機電學院博士研究生蘆明旸為第一作者，孫林林副教授、王金星教授和閆銀發教授為共同通訊作者，我校為唯一通訊單位。

果實尺寸是評定其商業價值的核心指標之一。然而，目前蘋果產業普遍采用“先采摘、后分級”的離線作業模式。這種模式不僅增加了額外的分選、運輸環節與人工成本，還極易在處理過程中對果實造成二次損傷，影響經濟效益。近年來，研究人員嘗試應用機器視覺技術進行實時檢測，但在光照變化、枝葉遮擋等復雜的田間環境下，其檢測精度和穩定性仍面臨巨大挑戰。

針對以上技術難題，研究團隊提出了一種融合柔性力感知與深度學習的蘋果果徑實時檢測與分級新方案，實現了采摘與尺寸分級的同步一體化作業。研究團隊將自主研制的離子凝膠摩擦納米發電機（IG-TENG）部署于三指Fin-Ray柔性末端執行器。該系統能夠實時、靈敏地采集末端執行器與蘋果的力時序數據。為實現尺寸的精準預測，團隊構建了一種新型的CNN-BiLSTM-Attention混合深度學習網絡。該模型能夠實時融合抓取過程中的力感知時序數據、電機的行程數據和果實位姿信息。通過CNN提取局部特征，BiLSTM捕捉長時序依賴，Attention機制聚焦關鍵時間步，模型可以擬合不同抓取條件與果實幾何尺寸之間的復雜映射關系。田間試驗結果表明，該果徑預測方法與人工測量值相比，平均絕對誤差（MAE）僅為2.13 mm，尺寸分級正確率高達92 %。這一研究為智能采摘裝備的無損作業和精準分揀提供了高效、低成本且可靠性強的新技術路徑。

圖1 基于CNN-BiLSTM-Attention的實時果徑預測模型

圖2 果園試驗結果分析

該研究得到了國家自然科學基金、山東省重點研發計劃項目的資助。

論文鏈接：https://doi.org/10.1016/j.compag.2025.111128

編      輯：萬    千 

審      核：賈    波