摘要：本研究结合前沿机器学习与计算机视觉技术，提出一种全面的橙子体积无损预测方法。我们构建了一条可靠的流程，利用每个橙子的顶部和侧面视图，通过校准标记物估算四个重要维度。随后将这些维度输入到经过微调的机器学习模型中。我们的方法运用一系列工程特征（如复杂的表面积体积比
从此不迷路
计算机视觉研究院
公众号ID｜计算机视觉研究院
计算机视觉研究院专栏
Column of Computer Vision Institute
在工业质量控制中，尤其是食品和农业领域，一项关键任务是快速且精确地估算物体体积。
PART/1
概述
本研究结合前沿机器学习与计算机视觉技术，提出一种全面的橙子体积无损预测方法。我们构建了一条可靠的流程，利用每个橙子的顶部和侧面视图，通过校准标记物估算四个重要维度。随后将这些维度输入到经过微调的机器学习模型中。我们的方法运用一系列工程特征（如复杂的表面积体积比和新型形状描述符），超越了基础几何公式的局限。基于包含150个独特橙子的数据集，我们证明堆叠回归器的性能显著优于其他单模型基准（包括高度调优的LightGBM模型），达到0.971的R²得分。由于该方法依赖基本物理特征，它对水果固有的变异性具有极强的鲁棒性，且可应用于多种农产品类型。此外，该方案能够实时计算密度（质量与体积之比），用于自动化缺陷检测和质量分级，因此可直接应用于工厂分拣环境。
PART/2
背景
自动化质量控制是当代加工制造的关键组成部分。在生鲜农产品生产线（尤其是柑橘类）中，传统的体积和密度估算方法（如排水法和手动卡尺测量）存在劳动密集、速度慢、具有破坏性的问题，且在高吞吐量场景下难以标准化。随着分拣线的发展，显然需要一种可与现有成像基础设施无缝集成的快速、准确、无损估算方法。几何近似法是一个合理的起点，通过椭球或球形公式，可将少量线性测量值转化为一阶体积估算。然而，由于局部表面不规则、处理方式、生长条件和品种差异，真实橙子与理想化形状存在偏差。这些不对称性导致的系统性偏差无法被简单模型考虑，仅依赖几何的方法在面对商业水果流的变异性时往往表现不佳。
本文提出一种数据驱动的替代方案，在保留几何推理有效性的同时克服其局限性。我们采用计算机视觉流程进行尺度归一化，利用物理校准标记物拍摄橙子的顶部和侧面配对图像。这些图像用于提取四个重要维度（每个视角两个），这些维度可靠且成本低廉。结合这些测量值，我们对横截面积、周长替代指标、长宽比、偏心率、表面积体积比和交互项进行编码，构建一个丰富的、基于物理原理的特征集，以反映合理的形状物理特性。通过学习这些描述符到真实体积的映射（而非假设固定的形状类别），模型能够适应自然的不规则性。我们通过训练一系列先进模型来实现这一概念，例如在线性元学习器下结合梯度提升、XGBoost和LightGBM的堆叠集成。这些提升算法的高预测能力和固有鲁棒性使其成为该非线性、高风险回归任务的理想基学习器。相反，Lasso回归的简洁性和正则化特性被用于最终的元学习器，确保基预测的鲁棒稳定组合。这种由物理感知特征驱动、由正则化保护的复杂架构，从根本上缓解了在使用中等规模数据集对复杂真实形状建模时固有的过拟合和高方差风险。对数尺度目标用于降低异方差误差，主轴上的单调性约束用于保持物理合理性，分层交叉验证用于平衡所有这些模型中的尺寸范围，这些模型在工厂试点部署中常见的中小型数据集上进行战略性训练。该方法利用先进的集成技术，减少了对大规模数据收集的依赖，同时优先考虑鲁棒且物理一致的体积映射。我们证明，通过高度调优的堆叠回归器，体积（结合质量传感器时可计算密度）可实时计算，这是性能最佳的预测器。这使得后续任务（如生产线成熟度分级和缺陷分类）能够在不中断流程的情况下执行。我们的主要研究目标和创新点可通过以下贡献来界定：
我们建立了一种新颖的基于摄像头的无损工作流程，利用校准标记物以线速度持续提取关键的顶部/侧面维度，克服了手动测量的局限性；
我们设计了一个鲁棒的、基于物理原理的特征集，通过严格纳入横截面积、周长、偏心率和表面积体积比（SA/V）等派生指标，超越了理想椭球的局限；
我们通过堆叠集成架构（堆叠回归器）构建了一个superior预测模型，该架构实施严格的训练协议和领域一致行为，在单个基准模型上实现了统计上显著的性能提升；
我们详细阐述了一条可行且具有经济吸引力的实时密度估算部署路径，支持高吞吐量工厂环境中的自动化缺陷检测和质量分级。
我们力求实现基于传送带的成像，视野中仅需一个校准尺度标记物，固定摄像头几何结构和稳定照明。该方法需要每个水果的顶部和侧面快照，以及用于监督校准的真实体积（可执行一次或多次）。尽管本研究主要聚焦橙子，但如果有类似视角和尺寸标记物，其他农产品可在稍加修改后使用。
基于视觉计量的水果体积估算涵盖了从传统图像处理方法到当代机器学习策略的广泛研究。为了通过从一到两个视角获取的少量线性维度来确定体积，早期研究主要采用几何近似法，通常是球形或椭球模型。这些技术因使用简便和计算高效而受到称赞，但在应用于自然形态不规则的农产品时会损失准确性。扁平化、不对称性和局部凸起等形态变化会引入偏离理想化几何假设的系统性偏差。后续研究采用计算机视觉技术，在工业场景中实现无损、实时的尺寸测量，以克服这些局限。例如，Huynh等人提出了一种基于传送带的系统，利用基于二维图像的计量方法估算细长、轴向对称水果的质量和尺寸。类似地，Venkatesh等人通过形状建模和多视角图像采集来估算橙子等轴向对称水果的质量和体积，发现其结果与排水法测量高度吻合。这些方法在可预测的形状类别上表现良好，但对于形态变异性更大的水果（如橙子）则不太适用。近期研究的焦点已转向基于学习的技术，这类技术对真实体积与低成本图像特征之间的数据驱动关系进行建模，从而放宽了严格的形状假设。Ifmalinda等人表明，数字图像处理能够准确估算橙子体积，为破坏性的排水法技术提供了良好的替代方案。Kachariya等人在对体积估算方法的全面分析中（包括蒙特卡洛模拟、分割算法和边缘检测），强调了泛化性、速度和准确性之间的权衡。
通过提出两项重要创新，我们的研究在这一范式上进行了拓展。首先，我们创建了一个基于物理的特征集，在可解释性和超越理想化形状的表达能力之间取得平衡。该特征集包括表面积体积比、球形度替代指标、横截面积、偏心率和交互项。其次，为了提高在商业柑橘流中各种几何形态下的鲁棒性，我们采用了互补回归器的堆叠集成。这些技术相结合，通过弥合快速但有偏的几何近似法与特定形状定制流水线之间的差距，为现实世界中的橙子体积估算提供了更准确且适用范围更广的解决方案。
PART/3
新算法框架解析
我们提出的橙子无损体积估算系统是一个多阶段、数据驱动的流程，如图1所示。
图1
该方法专为制造环境中的快速实时部署而设计，结合了计算机视觉、物理感知特征工程和鲁棒的堆叠式机器学习集成。流程始于数据采集步骤，在此步骤中，摄像系统记录每个橙子的顶部和侧面视图。利用校准标记物可从图像中提取一致的物理维度。随后，特征工程模块处理这些原始维度，生成丰富的描述符集合。最后一步中，强大的机器学习集成利用这些特征来精确预测橙子的体积。
特征提取与数据采集
第一步，采用经过校准的计算机视觉装置，将摄像头置于放置水果的标记平面上方 200毫米处。对于视野内的每个橙子，放置一个尺寸已知的物理尺度标记物（例如，30毫米×30毫米）。图2展示了对一个橙子样本的该操作流程。
图2
基于物理感知的特征工程
为突破单一几何假设的局限，我们从四个轴计算出一个丰富的、基于物理原理的特征集。通过对理想化形状的变异进行编码，这一广泛的特征集对于捕捉真实橙子的复杂性至关重要。
鲁棒集成建模
我们流程的核心是一个强大的机器学习集成，旨在捕捉水果真实体积与图像衍生特征之间复杂的非线性关系。为确定最佳建模方法，我们全面研究了多种前沿梯度提升算法，每种算法都有其独特优势。梯度提升回归器（GBR）、XGBoost回归器和LightGBM回归器的选择是经过策略性考量的：这些提升算法的高预测能力和固有鲁棒性，使其成为捕捉形状描述符与体积之间复杂非线性关系的理想互补基学习器。
为在中等规模数据集中检测细微模式，scikit-learn的GBR是一种序列集成技术，通过累加构建决策树，每棵新树都用于纠正其前驱树的残差误差。我们在该框架基础上引入了两种当代且高度优化的变体。XGBoost是一种优化扩展，具有强大的L1和L2正则化，可控制模型复杂度并增强鲁棒性。LightGBM进一步以其速度和可扩展性脱颖而出，采用叶向树生长策略（而非层向）和基于直方图的特征分箱，能在大型数据集上实现更快的训练，这使其在吞吐量至关重要的工业场景中特别有用。
最后，Lasso回归（最小绝对收缩和选择算子）被用作元学习器。其应用基于两点：一是简洁性，可降低基学习器预测过拟合的风险；二是L1正则化，通过迫使冗余模型的系数趋近于零，促进稀疏性并确保基模型预测的最终组合稳定且鲁棒。在堆叠框架中战略性选择这些高度正则化的提升基学习器，强化了方法的合理性，因为该架构明确设计用于控制预测方差，并缓解中等规模数据集常见的过拟合风险。
超参数调优与搜索策略：超参数调优是最大化这些基学习器性能的关键步骤。我们采用带5折交叉验证的GridSearchCV和neg_mean_squared_error评分指标，来确定梯度提升和XGBoost模型的最优参数。这种网格搜索的穷举性在计算上是合理的，因为我们先使用更快的LightGBM进行广泛的初步实验和特征工程反馈，然后再将完整的搜索空间应用于最终的互补基模型。搜索空间如下：
嵌入式特征选择
流程最初包含25个工程特征。我们使用基于XGBoost的SelectFromModel进行嵌入式特征选择，选择标准设定为保留重要性超过所有特征中位数重要性阈值的特征。这一过程通过保留最终堆叠集成中最具影响力的前14个特征，降低了模型复杂度并提升了泛化能力。这些所选特征的构成可通过后续结果部分（第4.3节）呈现的特征重要性分析直观体现。
这种穷举搜索确保每个基模型在纳入最终集成前都经过单独优化。为利用这些模型的互补优势，我们构建了一种名为堆叠回归器的两层集成架构。
图3
如图3所示，我们的最终模型是一个两层堆叠回归器，旨在利用多个基学习器的互补优势。为预处理目标变量和测量体积并减轻异常值的影响，我们使用四分位距（IQR）方法对极端值进行截断。我们集成的基层由三个互补模型构成：调优后的梯度提升回归器、调优后的XGBoost回归器和LightGBM回归器。最终的元学习器（Lasso回归模型）接收这些基学习器的预测结果，并确定基模型的最佳权重以生成最准确的最终预测。整个集成采用5折交叉验证进行训练和评估，确保结果可靠且不依赖于特定的数据划分。通过实施单调性约束（例如，预测体积必须随直径增大而增加），基模型被精心调整以保持物理合理性。将鲁棒的集成模型、丰富的特征工程和细致的数据准备相结合，得到了一个高度准确的预测器，适用于工厂场景。
PART/4
实验及可视化
检测模型开发
为准确提取橙子和校准标记物的维度，我们创建了一个强大的目标检测模型。数据采集使用的是三星SlimFitCam摄像头，该摄像头置于放置水果的标记平面上方200毫米处。我们工作的一个关键部分是选择消费级网络摄像头，这表明可使用低成本硬件提取高精度维度数据，使该流程在实际应用中更易获取且经济实惠。模型的预训练权重来自微软COCO数据集，该数据集包含80个检测任务中常用的目标类别。在评估多个模型时，高精度与实时性能之间的平衡是主要选择标准。由于其在高吞吐量制造环境中的卓越速度和效率，最终选择RF-DETR（Nano）模型用于该流程。在常用嵌入式GPU平台NVIDIAJetsonNano上进行测试时，该模型在实时工厂场景所需范围内表现良好。根据图像分辨率和批次大小，模型性能在15至25帧每秒（fps）之间。我们使用80张手动标注的图像数据集来训练模型，通过Roboflow平台在橙子和标记物周围绘制边界框。采用70:20:10的比例将数据集划分为训练集、验证集和测试集。随后使用多种数据增强方法对图像进行放大，以提高模型的泛化能力和鲁棒性。应用的增强方法包括调整大小、自动定向和水平翻转。我们还对色调（-15°至+15°之间）、饱和度（-25%至+25%之间）、亮度（-15%至+15%之间）、曝光（-10%至+10%之间）进行调整，并添加最多2.5像素的模糊和0.1%的噪声，以进一步增加数据集的多样性。对于每个训练样本，这些增强方法会生成三个额外的输出。最终模型在验证集上表现出极佳的精度，mAP@50、精确率和召回率均为100%。
本节通过展示实验评估结果，阐明我们提出的用于橙子体积估算的机器学习流程的有效性。我们将堆叠集成的性能与传统几何近似法、线性基准模型和多个单模型学习器进行比较。结果表明，我们的集成常规性地实现了更优的预测准确性和鲁棒性。
每个模型的交叉验证结果汇总于表 1中，表现最佳的模型以粗体显示。
表1
堆叠回归器模型表现最佳，实现了最低的MSE（167.72）和最高的R²得分（0.971）。这一出色表现直接证明了其在捕捉工程特征与实际体积之间复杂非线性关系方面的卓越能力。
比较与集成优越性
将堆叠回归器的性能与全系列模型（包括传统基准模型）进行比较，能最清晰地理解其性能增益。如表1所示，最佳几何近似法（如Vellip-avg等传统公式）的MSE为450.00，R^2为0.920，这证实了简单的几何假设不足以捕捉真实水果的变异性。此外，所有复杂的机器学习模型均显著优于线性回归基准模型（MSE373.11）。
作为表现最佳的单模型，LightGBM实现了令人印象深刻的MSE（198.53），但堆叠回归器进一步将误差降低至MSE167.72。集成取得卓越结果的核心原因在于堆叠互补学习器的原理。虽然LightGBM在速度和准确性方面表现出色，但堆叠回归器能够利用每个基模型的独特优势：
降低方差与偏差：堆叠架构使用Lasso元学习器来战略性地组合三个互补提升模型的预测结果。这一聚合过程有效降低了任何单个模型固有的方差（过拟合），从而得到更稳定、更具泛化性的预测结果。
利用互补性：每个基学习器（GBR、XGBoost、LightGBM）在处理非线性映射时的方式略有不同。例如，LightGBM的叶向生长可能在捕捉局部异常方面表现出色，而XGBoost的严格正则化有助于保持整体结构的保真度。Lasso元学习器学习这些不同视角的最优、非冗余组合，从而得到比任何单个组成模型更低的误差曲线（MSE167.72）。
这种显著的改进并非偶然；统计分析（Wilcoxon符号秩检验）证实，堆叠回归器相对于LightGBM模型的性能优越性具有统计学显著性（p
图4
为直观验证并补充模型的性能指标，图4展示了堆叠回归器实际体积与预测体积的散点图。在该图中，蓝点代表来自5折交叉验证的个体预测（数据点）。红色虚线代表理想关系y=x，即预测体积与实际体积完全相等。数据点与y=x线的紧密对应直观验证了模型的高准确性。残差（即预测误差）如图5所示。
图5
过验证误差以零为中心且无明显偏态，该箱线图确认模型在整个预测范围内未表现出系统性偏差。最后，我们最佳单模型XGBoost的特征重要性图如图6所示。
图6
该图表明，我们的工程特征（尤其是形状描述符和几何近似指标）属于最显著的预测因子，从而验证了其设计的合理性。
部署考量
我们构建了一个基于Python3.11.7的原型应用程序，以验证我们的方案是否可行。该应用程序表明，通过将训练好的机器学习流程与用户友好的界面相结合，可在工厂分拣线上构建完整的实时质量控制系统。图7展示了该应用程序界面的截图，其中显示了原始图像、处理后图像以及估算的尺寸和最终体积。
硬件与成本效益
我们成功部署方案的重要一环是确保系统经济实惠。维度提取流程采用三星SlimFitCam摄像头和NVIDIAJetsonNano等低成本消费级硬件。这一精心选择确保流程在商业应用中保持“经济吸引力”，同时不损失质量控制所需的准确性。系统架构采用LightGBM等轻量级模型，这类模型在嵌入式GPU平台上表现最佳，即使在力求成本控制的生产线上也可应用。
系统延迟与实时性能
该原型专为实时处理而设计，可处理15至25帧每秒（fps）的速度。这一性能直接影响传送带可处理的工作量。整个流程（图像捕获、维度提取、特征工程和集成预测）处理每个水果约需40至67毫秒，速度为15至25帧每秒。这种低延迟完全处于标准商业分拣线0.5至1.0米每秒的速度范围内，意味着可快速进行分析且不会中断传送带流程。
环境鲁棒性
当前试点研究在稳定、受控的实验室光照条件下开展，以最大限度减少环境噪声并确保维度数据提取的准确性。我们知道，若工厂光照变化，初始检测的稳定性可能会降低。为验证方案的正确性，这种控制是必要的，但未来研究将探索模型在更广泛光照条件下的表现，可能采用图像归一化技术以增强其部署鲁棒性。
当摄像头捕捉到橙子和校准标记物时，系统会自动提取四个重要维度，构建基于物理感知的特征集，并将特征输入性能最佳的最终模型（堆叠回归器）。该流程的一大优势是可支持后续的质量控制。应用程序可通过质量传感器（如传送带内置的称重传感器）实时计算每个橙子的密度（质量/体积）。这一指标是内部质量的重要标志，因为可见缺陷通常会改变密度。随后，系统可根据预设的密度阈值自动将橙子分拣到不同料箱，便于自动缺陷检测和成熟度分级。这一完整解决方案为我们以更数据驱动的方式处理食品和进行质量检测提供了良好起点。
有相关需求的你可以联系我们！
来源：小项科技view
