近日,機(jī)械與電子工程學(xué)院智能畜牧產(chǎn)業(yè)裝備與機(jī)器人團(tuán)隊(duì)在期刊《Computers and Electronics in Agriculture》在線發(fā)表了題為“SSOD-MViT: A novel model for recognizing alfalfa seed pod maturity based on semi-supervised learning”的最新研究成果。山東農(nóng)業(yè)大學(xué)為完成該論文的第一單位,田富洋教授為該論文的第一作者,宋占華教授和于鎮(zhèn)偉副教授為該論文的共同通訊作者。準(zhǔn)確識(shí)別苜蓿種莢簇的成熟度,能夠確定最佳的收獲時(shí)間,實(shí)現(xiàn)適時(shí)收獲,提高苜蓿種子的產(chǎn)量和質(zhì)量,為畜牧業(yè)提供優(yōu)質(zhì)高產(chǎn)的飼料來源,促進(jìn)牧草業(yè)的發(fā)展。然而,苜蓿生長的復(fù)雜背景使種莢的外觀特征發(fā)生變化,增加了識(shí)別的難度;苜蓿種莢的成熟階段(如青熟期、、黃熟期、、完熟期)缺乏統(tǒng)一的量化標(biāo)準(zhǔn),不同研究或?qū)嵺`中依賴主觀經(jīng)驗(yàn)判斷,導(dǎo)致模型訓(xùn)練數(shù)據(jù)不一致,影響識(shí)別精度。針對(duì)以上技術(shù)難題,團(tuán)隊(duì)提出了一種基于無人機(jī)和半監(jiān)督深度學(xué)習(xí)模型SSOD-MViT的苜蓿種莢簇成熟度識(shí)別方法(圖1)。該模型采用改進(jìn)的輕量級(jí)通用視覺轉(zhuǎn)換器Mob