Grape yield estimation using on-the-fly MIMO millimeter-wave radar at operational field speed: A variety-dependent proof of concept

准确的采前葡萄产量估测是精准葡萄栽培中的一项关键挑战，然而当前的光学方法（RGB相机、LiDAR）从根本上受到冠层遮挡和对环境光照条件敏感性的限制。本文提出了一种地基葡萄产量估测系统，采用双77 GHz多输入多输出（MIMO）调频连续波（FM-CW）雷达，搭载于以平均速度1.0 m/s（3.7 km/h）行驶的移动平台上，与实际葡萄园拖拉机作业速度相匹配。与先前在静态或慢速移动装置中进行的雷达研究不同，所提出的处理流程通过仰角平面上的数字波束成形实现葡萄行连续三维重建，并结合IMU融合卡尔曼滤波器在不规则地形上实现点云稳定。在法国加斯科尼的一个商业葡萄园中，对七个葡萄品种和三个物候生长期（BBCH 75–89）的136 km扫描葡萄行进行了实验。从三维雷达回波强度图像中提取的统计特征用于训练支持向量回归器（SVR），并通过交叉验证进行评估。主要样本外结果为：在完整多品种数据集上、未进行任何去叶处理的情况下，交叉验证平均绝对误差（CV MAE）为31.2%，以认证酒罐散装重量作为地面真值参考。该数值应结合以下背景加以理解：在同一数据集上，便携式田间称重板与酒罐认证重量之间观察到约24–25%的差异，而葡萄栽培实践中人工采前估测误差通常超过30%。对物理参数的敏感性分析表明，葡萄品种是性能异质性的主要——也是限制性——来源：CV MAE从Tannat的7%到Baco的69%不等，表明单一全局模型不足以支持多品种部署，品种特异性校准是实际应用的必要条件。这些结果最好被理解为一种架构层面的概念验证：主要贡献在于证明了MIMO数字波束成形消除了先前机械扫描雷达系统的速度瓶颈，从而能够在实际田间速度下实现无间隙三维葡萄行重建。产量估测结果首次定量表征了该系统的感知能力及其品种依赖性局限，并为未来