隨著鄉(xiāng)村振興、智慧農業(yè)等計劃的實施，無數(shù)科研機構已全面深入對農業(yè)相關領域的研究中，在算法、系統(tǒng)、農機裝備等方面都著手開展。

針對作物具有結構多樣、生長環(huán)境復雜等特征。以RGB圖像數(shù)據(jù)能真實地反映植株的紋理特征與顏色特征，三維點云數(shù)據(jù)包含了作物的體量信息。將RGB圖像和三維點云數(shù)據(jù)結合，實現(xiàn)作物的二維和三維表型參數(shù)提取，對表型組學的方法研究具有重要意義。

華中農業(yè)大學信息學院攜手植物科學技術學院、作物遺傳改良國家重點實驗室，展開了一項基于多源數(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象，使用RGB相機和激光掃描儀分別采集了50個馬鈴薯的RGB圖像與三維激光點云數(shù)據(jù)。

對比了OCRNet，UpNet，PaNet和DeepLab v3+四種深度學習語義分割方法的分割精度，并選擇精度較高的OCRNet網(wǎng)絡實現(xiàn)馬鈴薯頂視圖像的語義分割。優(yōu)化了Mean shift聚類算法流程，完成了馬鈴薯植株激光點云的單株分割，并結合歐式聚類和K-Means聚類算法對單株馬鈴薯植株點云的莖和葉進行準確地分割。

同時，提出一種利用編號建立馬鈴薯單株RGB圖像和激光點云間一一對應關系的策略，并以此為基礎分別從RGB圖像與激光點云中提取同一馬鈴薯植株包括最大寬度、周長、面積、株高、體積、葉長與葉寬在內的8個二維表型參數(shù)與10個三維表型參數(shù)。

最后，選擇了比較具有代表性、易測量的葉片數(shù)、株高、最大寬度三個表型參數(shù)進行精度評估，平均絕對百分比誤差分別為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。

精度評估的結果表明，所提取的表型參數(shù)能夠準確、高效反映馬鈴薯的生長狀態(tài)，將馬鈴薯的RGB影像數(shù)據(jù)與三維激光點云數(shù)據(jù)相結合，能夠充分發(fā)揮RGB圖像紋理顏色特征豐富、三維點云能夠提供體量信息的優(yōu)勢，實現(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。

為推動智慧農業(yè)發(fā)展的科研方面，諸如華中農業(yè)大學之類的機構都在努力著，期待未來越來越多的科研成果能應用到農業(yè)中，真正做到科技改變生活。

審核編輯黃宇