FruitProM-V2：基于概率方法的鲜果鲜菜成熟度估计与检测
计算机视觉与模式识别
2026-04-30 v1 人工智能
机器人学
摘要
准确的水果成熟度识别对于确定收获时机至关重要，因为错误的评估直接影响产量和收后质量。尽管成熟过程是连续的生物学过程，但基于视觉的方法的成熟度估计通常被建模为多类分类任务，这会在视觉上相似的阶段之间引入尖锐的边界。为考察这一局限性，我们在保留下来的番茄数据集上对两个独立标注者进行标注可靠性研究，发现近似相邻成熟阶段的 disagreement 集中于此。基于此观察，我们将成熟度建模为潜在的连续变量，并通过分布检测头以概率方式进行预测，将分布通过累积分布函数（CDF）转换为类别概率。所提出的表述在干净标签下保持与标准检测器相当的性能，同时更好地表征了不确定性。此外，在训练期间引入受控标签噪声后，概率模型相对于基线模型表现出更好的鲁棒性，表明显式地建模成熟度不确定性导致视觉成熟度估计更可靠。
引用
@article{arxiv.2604.26084,
title = {FruitProM-V2: Robust Probabilistic Maturity Estimation and Detection of Fruits and Vegetables},
author = {Rahul Harsha Cheppally and Sidharth Rai and Sudan Baral and Benjamin Vail and Ajay Sharda},
journal= {arXiv preprint arXiv:2604.26084},
year = {2026}
}