基于低成本RGB传感器的葡萄可溶性固形物含量（SSC）田间实时估测算法研究

这篇研究创新性地提出利用低成本RGB传感器在非受控光照条件下估测葡萄可溶性固形物含量（SSC/°Brix），通过开发轻量级直方图特征法和深度神经网络（DNN）模型，分别实现1.46°Brix和1.05°Brix的MAE（平均绝对误差），性能媲美高成本高光谱成像系统，为机器人辅助采收提供了经济高效的解决方案。

亮点

本研究通过多季节、多设备数据集验证了RGB传感器在复杂田间环境下估测葡萄可溶性固形物含量（SSC）的可行性，其性能与高成本高光谱成像系统相当，为农业机器人提供了经济高效的感知方案。

材料与方法

实验采集了2021-2022年夏季的葡萄图像数据，同步标注SSC（°Brix）和颜色等级。提出两种算法：面向资源受限机器人的轻量级直方图特征法（计算效率高），以及基于深度全卷积网络（DNN）的高精度模型。

实验结果

• •

  人类基准测试：人类专家通过视觉估测SSC的平均误差为2.3°Brix

• •

  直方图特征模型：跨设备测试MAE达1.46°Brix

• •

  多任务DNN模型：在挑战性跨设备测试集上MAE低至1.05°Brix，优于高光谱系统报道的1.27-2.20°Brix误差范围

讨论

RGB传感器的优势在于实时性、免校准和低成本，但需注意黑葡萄品种（如Pizzutello Nero）颜色与SSC相关性更强的特性。DNN模型通过端到端学习光照不变特征，显著提升跨环境鲁棒性。

结论

该研究首次证明简单RGB传感器可实现与高光谱相当的SSC估测精度，其算法设计兼顾计算效率（适合嵌入式设备）与性能，为农业自动化提供了可扩展的技术路径。未来将扩展至白葡萄品种及其他内在品质参数估测。