近期,,我校工程學(xué)院碩士研究生陳小帥以第一作者身份在國際知名期刊Computers and Electronics in Agriculture(中科院一區(qū)Top期刊,影響因子8.4)發(fā)表題為“A calculation method for cotton phenotypic traits based on unmanned aerial vehicle LiDAR combined with a three-dimensional deep neural network”的研究論文,。論文提出一種基于無人機(jī)激光雷達(dá)結(jié)合三維深度神經(jīng)網(wǎng)絡(luò)的棉花高通量表型獲取方法,,為無人機(jī)在大田棉花的高通量表型信息獲取領(lǐng)域提供了新的研究思路和方法,。
該研究提出了一種結(jié)合深度學(xué)習(xí)的棉花高通量表型獲取技術(shù),,構(gòu)建了無人機(jī)激光雷達(dá)采集平臺,,制作了棉花大田點(diǎn)云數(shù)據(jù)集,,實(shí)現(xiàn)了大田棉花的株高,、孔隙率,、冠層體積的快速獲取,提高了棉花表型獲取的效率和準(zhǔn)確性,。
該研究使用無人機(jī)激光雷達(dá)平臺對棉鈴期大田棉花進(jìn)行高通量數(shù)據(jù)采集,。研究通過構(gòu)建棉花大田點(diǎn)云數(shù)據(jù)集,使用三種深度神經(jīng)網(wǎng)絡(luò)進(jìn)行模型訓(xùn)練,對比三種語義分割模型的分割效果,,選擇深度學(xué)習(xí)模型PointNet++對棉花點(diǎn)云進(jìn)行語義分割,,以實(shí)現(xiàn)棉花單株和地塊點(diǎn)云的準(zhǔn)確快速提取。最后利用6種單株棉花表型分析算法和5種塊級棉花表型分析算法提取棉花株高,、孔隙度和冠層體積等冠層結(jié)構(gòu)信息,。最終結(jié)果表明,本研究提出的方法可有效分割棉花,,提取表型信息,,為棉花生長監(jiān)測、產(chǎn)量預(yù)測和科學(xué)管理提供技術(shù)支持,。
工程學(xué)院碩士研究生陳小帥為論文第一作者,,文晟副教授為論文的通訊作者。該研究得到了國家自然科學(xué)基金(32271985),、廣東省基礎(chǔ)與應(yīng)用基礎(chǔ)研究基金(2022A1515011008),、廣州市科技計(jì)劃項(xiàng)目(2024B03J1268、2024E04J0232)和中國農(nóng)業(yè)研究體系(CARS-15-22)的項(xiàng)目資助,。
論文鏈接:https://doi.org/10.1016/j.compag.2024.109857
文圖/工程學(xué)院