摘要

在現代農業中，準確客觀地測量草莓的成熟度對于確保采后品質、營養價值以及及時收獲至關重要。然而，現有的檢測方法在真實農業環境中的能力有限，常常受到果實形態、尺寸變化、復雜背景以及成熟過程中外觀持續變化的限制。為了解決這些挑戰，本研究將草莓成熟度檢測定義為一種細節感知任務（DAPT），并提出了一個端到端的框架DAPT-DETR。在這種任務中，檢測器不僅需要定位草莓的位置，還需要捕捉與成熟度相關的細微外觀差異，而不僅僅是確定物體的存在和位置。該框架采用了多路徑特征融合結構來提高對具有細微成熟度差異或被葉子遮擋的果實的識別能力；采用了一種自適應的小果實特征融合方法來增強對小型且分布密集的果實的檢測；以及一種高效的注意力機制，在復雜的田間條件下實現穩健的全局特征建模。此外，還開發了一種基于二維高斯橢圓分布的混合形狀感知損失函數，以更好地捕捉果實形態并減少背景干擾。為了評估所提出的方法，構建了一個大規模的跨場景草莓成熟度數據集，包含7,700張圖像和85,601個標注實例，這些數據來自溫室、塑料隧道、露天土壤栽培和懸掛栽培系統，涵蓋了多種氣候和管理條件。草莓成熟度根據果實表面紅色覆蓋的比例被分為三個等級（未成熟、轉熟和完全成熟）。實驗結果表明，DAPT-DETR的準確率（AP）為80.6%，平均精度（AP_S）為56.1%，超過了主流檢測算法，同時保持了相對較低的計算復雜度。總體而言，所提出的方法為復雜農業環境中的草莓成熟度評估提供了一種非破壞性的定量工具，為自動化分級系統提供了可靠的支持，并有助于提高水果生產和供應鏈的一致性和質量。

圖形摘要

在現代農業中，準確客觀地測量草莓的成熟度對于確保采后品質、營養價值以及及時收獲至關重要。然而，現有的檢測方法在真實農業環境中的能力有限，常常受到果實形態、尺寸變化、復雜背景以及成熟過程中外觀持續變化的限制。為了解決這些挑戰，本研究將草莓成熟度檢測定義為一種細節感知任務（DAPT），并提出了一個端到端的框架DAPT-DETR。在這種任務中，檢測器不僅需要定位草莓的位置，還需要捕捉與成熟度相關的細微外觀差異，而不僅僅是確定物體的存在和位置。該框架采用了多路徑特征融合結構來提高對具有細微成熟度差異或被葉子遮擋的果實的識別能力；采用了一種自適應的小果實特征融合方法來增強對小型且分布密集的果實的檢測；以及一種高效的注意力機制，在復雜的田間條件下實現穩健的全局特征建模。此外，還開發了一種基于二維高斯橢圓分布的混合形狀感知損失函數，以更好地捕捉果實形態并減少背景干擾。為了評估所提出的方法，構建了一個大規模的跨場景草莓成熟度數據集，包含7,700張圖像和85,601個標注實例，這些數據來自溫室、塑料隧道、露天土壤栽培和懸掛栽培系統，涵蓋了多種氣候和管理條件。草莓成熟度根據果實表面紅色覆蓋的比例被分為三個等級（未成熟、轉熟和完全成熟）。實驗結果表明，DAPT-DETR的準確率（AP）為80.6%，平均精度（AP_S）為56.1%，超過了主流檢測算法，同時保持了相對較低的計算復雜度。總體而言，所提出的方法為復雜農業環境中的草莓成熟度評估提供了一種非破壞性的定量工具，為自動化分級系統提供了可靠的支持，并有助于提高水果生產和供應鏈的一致性和質量。

圖形摘要