隨著鄉(xiāng)村振興、智慧農(nóng)業(yè)等計(jì)劃的實(shí)施，無(wú)數(shù)科研機(jī)構(gòu)已全面深入對(duì)農(nóng)業(yè)相關(guān)領(lǐng)域的研究中，在算法、系統(tǒng)、農(nóng)機(jī)裝備等方面都著手開(kāi)展。

針對(duì)作物具有結(jié)構(gòu)多樣、生長(zhǎng)環(huán)境復(fù)雜等特征。以RGB圖像數(shù)據(jù)能真實(shí)地反映植株的紋理特征與顏色特征，三維點(diǎn)云數(shù)據(jù)包含了作物的體量信息。將RGB圖像和三維點(diǎn)云數(shù)據(jù)結(jié)合，實(shí)現(xiàn)作物的二維和三維表型參數(shù)提取，對(duì)表型組學(xué)的方法研究具有重要意義。

華中農(nóng)業(yè)大學(xué)信息學(xué)院攜手植物科學(xué)技術(shù)學(xué)院、作物遺傳改良國(guó)家重點(diǎn)實(shí)驗(yàn)室，展開(kāi)了一項(xiàng)基于多源數(shù)據(jù)的馬鈴薯植株表型參數(shù)提取的研究。該研究以馬鈴薯為研究對(duì)象，使用RGB相機(jī)和激光掃描儀分別采集了50個(gè)馬鈴薯的RGB圖像與三維激光點(diǎn)云數(shù)據(jù)。

對(duì)比了OCRNet，UpNet，PaNet和DeepLab v3+四種深度學(xué)習(xí)語(yǔ)義分割方法的分割精度，并選擇精度較高的OCRNet網(wǎng)絡(luò)實(shí)現(xiàn)馬鈴薯頂視圖像的語(yǔ)義分割。優(yōu)化了Mean shift聚類(lèi)算法流程，完成了馬鈴薯植株激光點(diǎn)云的單株分割，并結(jié)合歐式聚類(lèi)和K-Means聚類(lèi)算法對(duì)單株馬鈴薯植株點(diǎn)云的莖和葉進(jìn)行準(zhǔn)確地分割。

同時(shí)，提出一種利用編號(hào)建立馬鈴薯單株RGB圖像和激光點(diǎn)云間一一對(duì)應(yīng)關(guān)系的策略，并以此為基礎(chǔ)分別從RGB圖像與激光點(diǎn)云中提取同一馬鈴薯植株包括最大寬度、周長(zhǎng)、面積、株高、體積、葉長(zhǎng)與葉寬在內(nèi)的8個(gè)二維表型參數(shù)與10個(gè)三維表型參數(shù)。

最后，選擇了比較具有代表性、易測(cè)量的葉片數(shù)、株高、最大寬度三個(gè)表型參數(shù)進(jìn)行精度評(píng)估，平均絕對(duì)百分比誤差分別為8.6%、8.3%和6.0%，均方根誤差分別為1.371片、3.2 cm和1.86 cm，決定系數(shù)R2分別為0.93、0.95和0.91。

精度評(píng)估的結(jié)果表明，所提取的表型參數(shù)能夠準(zhǔn)確、高效反映馬鈴薯的生長(zhǎng)狀態(tài)，將馬鈴薯的RGB影像數(shù)據(jù)與三維激光點(diǎn)云數(shù)據(jù)相結(jié)合，能夠充分發(fā)揮RGB圖像紋理顏色特征豐富、三維點(diǎn)云能夠提供體量信息的優(yōu)勢(shì)，實(shí)現(xiàn)馬鈴薯植株二維與三維表型參數(shù)高精度、非破壞性的提取。

該研究成果不僅可以為馬鈴薯的種植和育種提供重要的技術(shù)支持，還可以為基于表型數(shù)據(jù)的研究提供有力支持。

為推動(dòng)智慧農(nóng)業(yè)發(fā)展的科研方面，諸如華中農(nóng)業(yè)大學(xué)之類(lèi)的機(jī)構(gòu)都在努力著，期待未來(lái)越來(lái)越多的科研成果能應(yīng)用到農(nóng)業(yè)中，真正做到科技改變生活。

審核編輯黃宇