近期，我校工程学院硕士研究生陈小帅以第一作者身份在国际知名期刊Computers and Electronics in Agriculture（中科院一区Top期刊，影响因子8.4）发表题为“A calculation method for cotton phenotypic traits based on unmanned aerial vehicle LiDAR combined with a three-dimensional deep neural network”的研究论文。论文提出一种基于无人机激光雷达结合三维深度神经网络的棉花高通量表型获取方法，为无人机在大田棉花的高通量表型信息获取领域提供了新的研究思路和方法。
该研究提出了一种结合深度学习的棉花高通量表型获取技术，构建了无人机激光雷达采集平台，制作了棉花大田点云数据集，实现了大田棉花的株高、孔隙率、冠层体积的快速获取，提高了棉花表型获取的效率和准确性。
该研究使用无人机激光雷达平台对棉铃期大田棉花进行高通量数据采集。研究通过构建棉花大田点云数据集，使用三种深度神经网络进行模型训练，对比三种语义分割模型的分割效果，选择深度学习模型PointNet++对棉花点云进行语义分割，以实现棉花单株和地块点云的准确快速提取。最后利用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、孔隙度和冠层体积等冠层结构信息。最终结果表明，本研究提出的方法可有效分割棉花，提取表型信息，为棉花生长监测、产量预测和科学管理提供技术支持。
工程学院硕士研究生陈小帅为论文第一作者，文晟副教授为论文的通讯作者。该研究得到了国家自然科学基金(32271985)、广东省基础与应用基础研究基金(2022A1515011008)、广州市科技计划项目(2024B03J1268、2024E04J0232)和中国农业研究体系(CARS-15-22)的项目资助。
论文链接：https://doi.org/10.1016/j.compag.2024.109857
文图/工程学院
