文献类型：期刊文章

作　　者：王瑞萍[1] 刘东风[2] 王先琳[2] 杨会君[1,3,4]

Wang Ruiping;Liu Dongfeng;Wang Xianlin;Yang Huijun(College of Information Engineering,Northwest A&F University,Yangling 712100,China;Shenzhen Agricultural Science and Technology Promotion Center,Nanshan 518057,China;Shaanxi Key Laboratory of Agricultural Information Perception and Intelligent Service,Yangling 712100,China;Key Laboratory of Agricultural Internet of Things,Ministry of Agriculture and Rural Affairs,Yangling 712100,China)

机构地区：[1]西北农林科技大学信息工程学院,杨凌712100 [2]深圳市农业科技促进中心,南山518057 [3]陕西省农业信息感知与智能服务重点实验室,杨凌712100 [4]农业农村部农业物联网重点实验室,杨凌712100

出　　处：《农业工程学报》

基　　金：陕西省重点研发计划项目(2021NY-179);广东省乡村振兴战略专项-农业生产发展项目(2130122)。

年　　份：2022

卷　　号：38

期　　号：16

起止页码：243-251

语　　种：中文

收录情况：AJ、BDHX、BDHX2020、CAB、CAS、CSCD、CSCD2021_2022、EAPJ、EI、IC、JST、RCCSE、SCOPUS、ZGKJHX、核心刊

摘　　要：植物表型调查是选育优良品种和基因功能研究的重要依据,为理解植物生长发育规律及环境的作用提供有力支持。针对传统叶菜类植物表型分析方法存在速度慢、误差大、维度限制等问题,该研究提出了一种基于高通量重建和茎叶自动分割的白菜薹关键表型参数提取方法。首先,基于多视图立体几何技术对白菜薹进行多视角RGB图像三维重建、尺度恢复、均匀简化、背景去除及点云去噪等预处理。之后,提出基于超体素的改进植物器官自动分割算法,将植株分为茎、叶片等不同语义类别。在此基础上,给出有效的表型参数计算方法,完成了株高、叶长、颜色等7个关键性状的无损、精确测量。试验结果表明,该研究实现了白菜薹关键表型自动分析,茎叶器官分割的精确率、召回率及F1分数的均值分别为0.961、0.940、0.943;株高、株幅、叶长、叶宽的均方根误差分别为0.261、0.313、0.174、0.100 cm,叶面积及叶片数的均方根误差分别为1.608 cm^(2)和0.283,平均绝对百分比误差分别为1.659%、1.643%、1.417%、2.486%、8.258%、6.000%。与其他方法相比,该研究具有较低的综合误差,可适应叶片形状不规则的植物表型参数提取研究。同时,克服了当前植物冠层幼叶难以分割、表型性状提取效率低等困难,为精准农业领域叶菜表型高效分析提供有效的技术手段,可在进一步的基因型到表型研究中发挥重要作用。

关 键 词：三维  数字化 茎叶分割  表型测量  白菜薹

分 类 号：TP391.4]