农业机械学报

作者：刘泽，赵泽川，许彤，刘韬，朱德兰，季子涵

单位：西北农林科技大学,西北农林科技大学;中国电建集团成都勘测设计研究院有限公司,西北农林科技大学,西北农林科技大学,西北农林科技大学,西北农林科技大学,

关键词：吊蔓西瓜;全生长周期;表型;深度学习;机器视觉

基金：国家自然科学基金联合基金项目（U2243235）和宁夏回族自治区重点研发计划项目（2022BBF02026）

针对当前作物表型研究大多关注单一生长阶段表型特征，无法准确监测植物全生长周期长势等问题，以吊蔓西瓜为研究对象，提出了结合多种深度学习方法及机器视觉技术的吊蔓西瓜全生长周期关键表型参数高精度识别方法。其中，在幼苗期，分别建立了基于Leaf SAM的叶面积计算模型和基于Xception的叶片数计算模型，试验结果表明，叶面积、叶片数计算模型决定系数分别为0.96、0.98，均方根误差分别为2.98 cm2、0.14；在伸蔓期，分别建立了基于YOLO v5和双目视觉原理的株高计算模型和基于OpenCV的茎粗计算模型，试验结果表明，株高、茎粗计算模型决定系数分别为0.94、0.92，均方根误差分别为4.18 cm、0.17 mm；在坐果期和成熟期，构建了基于UNet的果实投影面积计算模型，试验结果表明，果实面积投影模型决定系数和均方根误差分别为0.99、9.85 cm2。上述结果表明模型计算值与人工测量值间的线性关系显著，综合误差较低，能够有效计算吊蔓西瓜全生长周期的关键表型参数。

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