番茄植株上的truss是一组或一簇较小的枝干，花和果实生长在这些枝干上，而生长的truss是枝干延伸的部分。由于生长truss的状态对周围环境反应灵敏，因此在早期阶段控制其生长是至关重要的。随着信息技术和人工智能技术在农业领域的发展，可以使用图像识别来定位生长的truss和开花位点，以提取相关的生长信息。在不同的视觉算法中，CycleGAN算法用于使用生成学习图像生成和转换未成对图像。本研究开发了一个基于机器人的系统，用于同时获取番茄生长truss和开花的RGB和深度图像。

　　本文通过假阴性(FN)和假阳性(FP)指标比较了大约35个样本的分割性能。对于深度相机图像，获得FN为17.55±3.01%，FP为17.76±3.55%。对于CycleGAN，获得的FN约为19.24±1.45%，FP为18.24±1.54%。通过深度图像进行图像处理，IoU为63.56±8.44%，通过CycelGAN进行分割时，IoU为69.25±4.42%，表明CycleGAN有利于提取所需要的生长truss。经过验证，当机器人在种植番茄的温室中行驶时，进行图像扫描是可行的。这证实了使用CycleGAN进行图像提取技术的现场可能性。在未来，所提出的方法有望通过无人机器人平台使用视觉技术扫描获取温室中的番茄生长指标。

　　图1 CycleGAN的循环示意图

　　图2 CycleGAN转换后的整个图像处理

　　图3 从实际图像中移除预测像素后剩余图像的比率，用假阴性(FN)表示，以及从预测图像像素中移除实际图像像素时剩余图像的比率，用假阳性(FP)表示。

　　来源：Dae-Hyun Jung, Cheoul Young Kim, Taek Sung Lee et al. Segmentation of tomato growing truss a depth image conversion model based on CycleGAN,2021,12,14, preprint (Version 1) available at Research Square https://doi.org/10.21203/rs.3.rs-1146999/v1

　　编辑：张玉