农业机械学报

作者：徐胜勇，李磊，童辉，王成超，别之龙，黄远

单位：华中农业大学,华中农业大学,中国农业科学院深圳农业基因组研究所,华中农业大学,华中农业大学,中国农业科学院深圳农业基因组研究所;华中农业大学,

关键词：黄瓜苗;表型;RGB-D相机;深度学习

基金：国家重点研发计划项目（2019YFD1001900）、HZAU-AGIS交叉基金项目（SZYJY2022006）、湖北省重点研发计划项目（2021BBA239）和中央高校基本科研业务费专项资金项目（2662022YLYJ010）

传统的人工种苗表型测量方式存在效率低、主观性强、误差大、破坏种苗等问题，提出了一种使用RGB-D相机的黄瓜苗表型无损测量方法。研制了自动化多视角图像采集平台，布署两台Azure Kinect相机同时拍摄俯视和侧视两个视角的彩色、深度、红外和RGB-D对齐图像。使用Mask R-CNN网络分割近红外图像中的叶片和茎秆，再与对齐图进行掩膜，消除了对齐图中的背景噪声与重影并得到叶片和茎秆器官的对齐图像。网络实例分割结果的类别和数量即为子叶和真叶的数量。使用CycleGAN网络处理单个叶片的对齐图，对缺失部分进行修补并转换为3D点云，再对点云进行滤波实现保边去噪，最后对点云进行三角化测量叶面积。在Mask R-CNN分割得到的茎秆对齐图像中，利用茎秆的近似矩形特征，分别计算茎秆的长和宽，再结合深度信息转换为下胚轴长和茎粗。使用YOLO v5s检测对齐图中的黄瓜苗生长点，利用生长点与基质的高度差计算株高。实验结果表明，该系统具有很好的通量和精度，对子叶时期、1叶1心时期和2叶1心时期的黄瓜苗关键表型测量平均绝对误差均不高于8.59%、R2不低于0.83，可以很好地替代人工测量方式，为品种选育、栽培管理、生长建模等研究提供关键基础数据。

来源：2023年第7期

《农业机械学报》期刊编辑部

查看农业机械学报杂志2023年第7期