农业机械学报

作者：徐胜勇，易同舟，秦子轶，樊清涛，杨宏磊，李善军

单位：华中农业大学;农业农村部长江中下游农业装备重点实验室,华中农业大学;农业农村部长江中下游农业装备重点实验室,华中农业大学;农业农村部长江中下游农业装备重点实验室,华中农业大学;农业农村部长江中下游农业装备重点实验室,华中农业大学;农业农村部长江中下游农业装备重点实验室,华中农业大学;农业农村部长江中下游农业装备重点实验室,

关键词：球形果实;表型检测;点云补全;深度学习;PFNET;RGBD图像

基金：现代农业（柑橘）产业技术体系岗位科学家项目（CARS-26）

水果表型的测量和分析是植物育种和遗传学研究的一个重要领域。单视角RGBD图像的表型检测方法通量高、成本低，但受限于传感器分辨率和视角，通常无法获取果实的表面积和体积等数据。本文提出了一种基于PFNET的点云补全网络改进方法，可使用深度相机获取的类球形果实单视角点云进行高精度三维重建并进行表型无损测量。为解决补全网络输入比例不固定的问题，提出了一种自适应几何补全策略将单视角点云补全为近似的半球。在PFNET网络框架上增加了第4尺度，以充分利用KINECT相机获取的稠密点云，有利于复杂形状和细节丰富的结构补全。通过引入四头自注意力模块，能更好地捕捉点云中各点间的相互依赖和空间关系，提升网络特征提取能力。增添了果实点云优化模块，解决原网络生成点云存在局部扩散的问题并提升点云质量，模拟人工测量方式设计了针对性的表型检测方法。实验结果表明，该方法与结构光三维扫描仪获取的柑橘果实点云质量接近，三维重建还原度高。对于横径、纵径、表面积和体积4种表型检测的R2均大于0.96，平均测量精度均超过93.24%。与RGBD图像法相比，单果检测时间增加17.97 s，但横纵径检测精度大幅提高，且能一次测量4项表型参数。与三维扫描仪方法相比，检测精度差值在4个百分点以内，但速度超过48倍，硬件成本只有后者的1/10，且易于实现自动化。本文方法在检测精度、运行速度、硬件成本和自动化程度上具有较好的平衡，是一种低成本、综合性能高的三维重建技术，有广泛应用于类球形果实表型无损测量的潜力。

来源：2025年第3期

《农业机械学报》期刊编辑部

查看农业机械学报杂志2025年第3期