祝贺王兵凯关于自然环境下果实尺寸测量方法与系统的工作被《Journal of Food Engineering》接收！
恭喜课题组王兵凯的论文被《Journal of Food Engineering》（中科院二区Top，IF=5.5）接收，题目为“A smart fruit size measuring method and system in natural environment”(自然环境中的智能果实尺寸测量方法和系统)。
论文的主要内容如下：
在自然状态下的水果尺寸测量在食品质量评估中起着至关重要的作用。通过量化水果在自然环境中的尺寸，研究人员和果农可以获得有关水果成熟阶段和生理变化的重要信息。水果尺寸测量参数包括长度、宽度、面积、体积和重量。其中，面积、长度和宽度是最基本的果实尺寸参数，最有可能通过图像直接测量。但水果在自然环境中的生长状况十分复杂，监测水果的整个生长周期需要一种快速、低成本的测量方法。
由于水果形状和环境遮挡等问题，对处于自然生长状态的水果进行非接触式测量比接触式测量更加困难。针对这一问题，本研究以柑橘和草莓为研究对象，提出了一种基于 YOLOv5 和Cycle GAN 的快速、低成本非接触式测量方案。我们还搭建了一个机器人平台，该平台可自动收集近距离水果图像和距离信息，并将其传输到计算机，以进行实时物体检测、遮挡恢复和尺寸测量。
首先，基于 YOLOv5 的物体检测算法结合自建数据集和Open Images公共数据集，显示出比其他同类方法更好的泛化能力，在现场测试中实现了 95.6% 的识别准确率和 0.05 秒的检测速度。其次，基于Cycle GAN 的遮挡恢复能够自适应地消除水果图像中被枝叶遮挡的问题，并且不受水果形状的限制。平均相对误差为 5.48%，满足实际测量要求。第三，通过低成本的距离测量，可以轻松获得实际尺寸与像素尺寸之间的比例关系。在复杂的自然环境下，单个水果的平均相对误差为 8.43%，整体误差为 10.12%，而单幅图像处理时间仅为 0.2 秒，这种方法为非接触式测量水果大小提供了一种低成本的解决方案，具有良好的稳定性，并且不受水果形状的限制。在实际应用中，整个系统采用多线程实时运行，满足了大批量快速检测的要求。
