叶后之谜——用条件生成对抗网络估计被遮挡的葡萄浆果

由于全球葡萄酒市场竞争加剧，对葡萄栽培准确产量估计的需求日益重要。最具前景的收获估计方法之一是浆果计数，因其可非破坏性地实施且过程可自动化。本文提出一种处理叶片遮挡浆果难题的方法，以获得更准确的浆果数量估计，从而更好地估计收获量。我们使用生成对抗网络（GAN），一种基于深度学习的方法，利用从非遮挡浆果图像学到的模式生成叶片后可能场景。实验表明，应用我们的方法后浆果数量估计更接近于人工计数参考。与对浆果计数施加因子相比，我们的方法通过直接涉及可见浆果的外观更好地适应局部条件。此外，我们展示了我们的方法能识别图像中应通过添加新浆果来更改的区域，而无需显式要求隐藏区域信息。