农业机械学报

作者：邹一波，周泽政，陈明，葛艳，王文娟

单位：上海海洋大学;农业农村部渔业信息重点实验室,上海海洋大学,上海海洋大学;农业农村部渔业信息重点实验室,上海海洋大学;农业农村部渔业信息重点实验室,上海海洋大学;农业农村部渔业信息重点实验室,

关键词：三维点云;注意力机制;植物器官分割;深度学习

基金：上海市科技创新计划项目（20dz1203800）

在植物表型分析中，植物器官分割是实现自动、准确、无损、高通量表型参数测量的关键。传统的植物器官分割方法凭借经验手动设置参数和调整算法，而现有的基于深度学习的分割方法存在对局部特征和全局特征表达能力不足的缺陷。针对以上问题，本文提出一个基于注意力机制的植物三维点云语义分割网络（APSegNet）。在编码阶段提出了一种基于注意力机制的局部（邻域）特征提取方法，充分利用多级点云特征，提高了网络提取点云局部（邻域）特征的能力。在解码阶段提出了一种结合特征距离和空间距离的双近邻插值上采样方法，更准确地恢复下采样时丢失的点云特征，进一步增强了网络对局部特征的表达能力。同时引入通道和多头空间自注意力机制，增强网络对某些重要通道的关注和全局几何结构的捕捉能力，提高了网络对全局特征的表达能力。在多种植物点云数据集上的实验结果表明，该方法语义分割平均交并比分别达到87.32%、79.68%、94.73%、91.43%、95.02%，均优于DGCNN、PointCNN、ShellNet等目前流行的深度学习网络。通过交叉验证实验和消融实验，证实了网络泛化性和有效性。在ShapeNet数据集上进行了相关实验，该网络在其他非植物三维点云目标语义分割任务上也取得了较好的分割结果。

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