2023APMCM A题题面

机器学习

水果采摘机器人的图像识别

 

中国是世界上最大的苹果生产国，年产量约为3500万吨。与此同时，中国也是全球最大的苹果出口国，世界上每两个苹果中就有一个来自中国，超过全球苹果出口的六分之一。中国提出了“一带一路”倡议，是构建具有共同未来的全球社区的关键支柱。得益于这一倡议，越南、孟加拉国、菲律宾、印度尼西亚等沿线国家已成为中国苹果的主要出口目的地。

图1. 苹果采摘机器人的图像识别示意图

苹果采摘主要依赖于人工采摘。当苹果成熟时，在苹果产区需要大量采摘工人在短短几天内完成采摘。但大多数当地农民在自己的果园种植苹果。此外，农业工人的老龄化和年轻人离开村庄工作的现象导致了在采摘季节劳动力短缺的问题。为解决这个问题，自2011年左右起，中国一直在研究可以采摘苹果的机器人，并取得了显著的进展。 然而，全球范围内各种苹果采摘机器人的推广和应用都未达到理想状态，因为果园环境与受控实验设置存在差异。在复杂而无序的果园环境中，大多数现有的机器人无法准确识别“叶遮挡”、“枝遮挡”、“果实遮挡”和“混合遮挡”等障碍。如果直接采摘苹果而不根据实际情况进行精确判断，存在高风险损坏水果，甚至对采摘手和机械臂造成伤害。这不利于采摘效率和水果质量，导致更大的损失。此外，对不同采摘水果的识别和分类也非常重要，如分类、加工、包装和运输等过程。然而，许多水果与苹果具有相似的颜色、形状和大小，给苹果的售后识别带来了巨大的困难。 本次竞赛旨在通过机器学习方法分析和提取标记的水果图像的特征，建立一个具有高识别率、快速速度和准确性的苹果图像识别模型，并对图像进行数据分析，例如自动计算图像中苹果的数量、位置、成熟程度并估算苹果的质量。具体任务如下：

问题1：苹果数量估计 基于附件1提供的成熟苹果图像数据集，利用机器学习方法提取图像特征，建立模型，对每张图像中的苹果数量进行估计，并绘制附件1中所有苹果分布的直方图。

 

问题2：苹果位置预测 基于附件1提供的成熟苹果图像数据集，利用机器学习方法识别每张图像中苹果的位置，以图像的左下角为坐标原点，并绘制附件1中所有苹果的几何坐标的二维散点图。

 

问题3：苹果成熟状态估计 基于附件1提供的成熟苹果图像数据集，利用机器学习方法建立模型，计算每张图像中苹果的成熟程度，并绘制附件1中所有苹果成熟分布的直方图。

 

问题4：苹果质量估算 基于附件1提供的成熟苹果图像数据集，利用机器学习方法计算每张图像中苹果的二维面积，以图像的左下角为坐标原点，估算苹果的质量，并绘制附件1中所有苹果质量分布的直方图。

 

问题5：苹果识别 基于附件2提供的已采摘水果图像数据集，利用机器学习方法提取图像特征，训练苹果识别模型，识别附件3中的苹果，并绘制附件3中所有苹果图像的ID号分布直方图。

 

附件： 附件.zip，网址下载：https://share.weiyun.com/T6FKbjLf