近期，我校工程學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激光雷達結合三維深度神經(jīng)網(wǎng)絡的棉花高通量表型獲取方法，為無人機在大田棉花的高通量表型信息獲取領域提供了新的研究思路和方法。

　　該研究提出了一種結合深度學習的棉花高通量表型獲取技術，構建了無人機激光雷達采集平臺，制作了棉花大田點云數(shù)據(jù)集，實現(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確性。

　　該研究使用無人機激光雷達平臺對棉鈴期大田棉花進行高通量數(shù)據(jù)采集。研究通過構建棉花大田點云數(shù)據(jù)集，使用三種深度神經(jīng)網(wǎng)絡進行模型訓練，對比三種語義分割模型的分割效果，選擇深度學習模型PointNet++對棉花點云進行語義分割，以實現(xiàn)棉花單株和地塊點云的準確快速提取。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構信息。最終結果表明，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)量預測和科學管理提供技術支持。

　　工程學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基金(32271985)、廣東省基礎與應用基礎研究基金(2022A1515011008)、廣州市科技計劃項目(2024B03J1268、2024E04J0232)和中國農(nóng)業(yè)研究體系(CARS-15-22)的項目資助。

　　論文鏈接：https://doi.org/10.1016/j.compag.2024.109857

文圖/工程學院