搜索引擎 + AI 驱动的行业新闻【覆盖行业】信保 ｜出口 ｜金融 制造 ｜农业 ｜建筑 ｜地产 零售 ｜物流 ｜数智【访问入口】hangyexinwen.com【新闻分享】点击发布时间即可分享【联系我们】xinbaoren.com（微信内打开提交表单）https://shuzhi.hangyexinwen.comhttps://shuzhi.hangyexinwen.com/posts/624https://shuzhi.hangyexinwen.com/posts/624Sun, 31 Aug 2025 19:44:54 GMT⁣<br /><b><i><b>📰</b></i> 不确定性驱动的半监督学习在物候感知苹果花计数中的应用研究 - 生物通</b><br /><br />本文提出了一种基于无人机的双阶段苹果花计数框架SPAF-Net，结合颜色阈值分割和半监督密度估计，创新性地解决了高密度果园遮挡、标注成本高和物候期混淆等问题。通过不确定性驱动伪标签过滤、自适应抗过拟合掩码和物候相位映射器三大模块，SPAF-Net在9012张图像数据集上仅需30%标注数据即可达到全监督性能，为果园数字化管理提供了新方法。<br /><br />研究还聚焦于嘎啦、金冠和富士三个苹果品种的不同物候期，利用大疆Mavic 3 Pro无人机采集数据，构建了包含10,356个花蕾期、9,742个盛花期和2,915个落花期标注实例的高清图像数据集。这一数据集被称为“苹果花生长的数字年鉴”，为后续研究提供了宝贵的基础。<br /><br />在实验中，采用PyTorch框架，通过平均绝对误差和均方根误差等指标精确评估每朵花的计数偏差。本研究的双阶段框架有效解决了半监督训练中的噪声干扰、物候期特征纠缠以及高密度遮挡场景下的计数偏差，展现了其在苹果花计数领域的独特优势。<br /><br /><i><b>🏷️</b></i> <a href="/search/%23%E8%8B%B9%E6%9E%9C%E8%8A%B1%E8%AE%A1%E6%95%B0">#苹果花计数</a> <a href="/search/%23%E5%8D%8A%E7%9B%91%E7%9D%A3%E5%AD%A6%E4%B9%A0">#半监督学习</a> <a href="/search/%23%E6%97%A0%E4%BA%BA%E6%9C%BA">#无人机</a> <a href="/search/%23%E5%AF%86%E5%BA%A6%E4%BC%B0%E8%AE%A1">#密度估计</a> <a href="/search/%23%E6%95%B0%E5%AD%97%E5%8C%96%E7%AE%A1%E7%90%86">#数字化管理</a><br /><br /><i><b>🔗</b></i> <a href="https://www.ebiotrade.com/newsf/2025-8/20250831082244805.htm" target="_blank">原文链接</a>