正文：准确快速获取棉花冠层表型性状对长势监测、产量预测、农药精准喷洒等科学管理具有重要意义。人工测量费时费力，而激光雷达（LiDAR）可以精准获取农业环境的点云数据，但LiDAR数据需要专门的算法进行处理和解读，不适合直接用于农业应用。本研究提出了一种基于无人机LiDAR平台的棉花冠层表型性状高通量检测方法。包括三个关键部分：第一，利用无人机LiDAR平台对棉铃期大田数据进行高通量采集；第二，利用三维深度神经网络PointNet++对原始数据进行处理，进行语义分割，提取棉花单株及块体。最后采用6种单株棉花表型分析算法和5种块级棉花表型分析算法提取棉花株高、孔隙度、冠层体积等冠层结构信息，最终结果中神经网络对棉花单株的提取率达到了86.3%。 6种棉花表型计算方法中，株高法计算株高的效果最好，与人工测量数据相比，其R2值为0.91，均方根误差（RMSE）最小，为0.034 m；棉花冠层孔隙度算法计算结果中，最高R2值为0.87，最小RMSE值为0.012；棉花冠层体积算法计算结果中，最高可得R2值为0.96，最小RMSE值为0.019 m 3。 该方法可有效分区棉花，提取表型信息，为棉花长势监测、产量预测、科学管理提供技术支持。 本文研究论文全文获取途径：后台回复“395” 图1 实验材料。(a) 实验地点地理位置，(b) 九江市，(c) 广州市。(d) 九江市实验棉田。(e) 区块分区图 图2 无人机扫描平台结构图 图3 无人机路线图 图4单株棉花冠层参数测量与推算示意图。(a) 棉花植株高度测量及冠层体积推算。(b) 利用冠层分析仪获取棉花冠层图像，并将图像导入分析仪分析棉花冠层孔隙度 图5 PointNet ++的分层机制 图6 棉花块表型提取结果回归分析：(a)孔隙度-体素差异法，(b)孔隙度-体素-凸包法，(c)体积-凸包法，(d)体积-体素法，(e)体积-切片法。

来源链接：https://mp.weixin.qq.com/s?__biz=MzkxNDUyNjQ3OQ==&mid=2247493793&idx=2&sn=34b41aedc5f0828bdbfe733fecbf0f97&chksm=c097092f7d547a5a001d15bc07009d607b8e672b084b4b1625547f2982209dd942427e07aa01#rd
作者：兰玉彬教授团队
发布时间：2025-01-05