傳統的水果偵測模型仰賴大量的人工進行標記，過程既耗時又耗力，且難以辨別外觀差異大的水果，當實際進入果園時，水果排列密集、樹葉遮擋等因素皆使得傳統偵測系統難以應用，突顯自動化、智慧標記系統的重要性。為解決此問題，日本東京大學及中國北京工業大學研究團隊，利用生成對抗網路模型(GAN model)開發一種新的自動化標記方法EasyDAM_V4。

　　EasyDAM_V4的核心是多維表型特徵提取技術，利用VGG16架構擷取果實形狀及質地特徵，再結合原有的可見光影像以增強GAN模型的輸入。此外，該方法導入新的多維度損失函數(multi-dimensional loss function)，對形狀、紋理和顏色特徵的單獨損失分量進行調整和加權，強化果實圖像的轉譯使模型更能夠解讀及辨識。研究人員利用梨圖像作為源域，將該模型應用於火龍果、茄子和黃瓜影像標記，三者標記準確率分別為87.8%、87.0%和80.7%，顯著優於傳統的偵測方法，相關文獻發表於Horticulture Research期刊。

　　透過這項複雜的模型，能夠更精確擷取水果特徵並生成圖像，克服了以往無法辨別外觀差異較大的果實及多種果實的限制，為農業影像處理提供了強大的新工具，有望加速智慧農業的發展，實現更精準的產量預測及更高效的採收機器人，同時利用收集的高品質標記數據支援表型體學研究及育種決策。

【延伸閱讀】- 透過自動化影像分析節省農業勞動力