点击上方蓝字 轻松关注我们 中国科学院1区Top | IF=7.7 2025.04.03在线发布|本文作者详情如上图 图文概要 小麦群体茎数是实现高产的基本参数，也是小麦生产和品种选择中的关键农艺性状。虽然智能农业技术可以估算各种农学参数，但小麦茎秆经常被多层冠层叶片遮挡，估算起来很困难。因此，目前确定茎数的方法主要依赖于劳动密集型的手工技术，这些技术效率低下且受主观因素的影响很大。 本研究提出使用增强现实（AR）眼镜作为图像数据采集工具，基于小麦冠层顶部和小麦簇侧面图像的特征来高精度地检测小麦茎数。经过相关性分析，确定了冠层顶部图像的四个颜色特征Coverage、纹理特征Contrast和两个侧面峰特征 SI（Peaks1和Peaks2）。 其他人正在查看类似内容 【前沿|一区Top】华中农业大学宋鹏副教授团队：自然形态稻粒精确计数：一种基于图像分类和物体检测的方法 浙大应义斌教授团队：基于信息感知技术的猪行为检测新进展 【前沿|一区Top】 吉林大学于海业教授团队：基于高光谱技术与气体检测方法相结合的小麦高温及UV-B胁迫早期识别 该研究从三个角度比较分析了图像特征在检测小麦茎数方面的准确性。 结果表明，峰值特征（SI）与小麦茎秆数具有很强的相关性，R 2值在0.75以上；单纯使用冠层图像特征（CC）进行估算误差较大，高密度种植条件下RMSE为20，仅使用Peaks1和Peaks2对茎秆的估算精度较高，但在某些高密度场景下仍存在不确定性。 进一步研究结合CC和SI进行估算，利用随机森林算法构建茎秆估算模型，该模型在高种植密度下RMSE保持在10以下，在低密度下RMSE保持在5以下，表现出较高的精度。本研究可为小麦等作物茎秆检测提供参考，也为其他需要免持和第一人称视角图像采集的研究提供参考。 本文研究全文获取途径：后台回复“430” 图1 研究路线图 图2 冠层和侧视图图像分析结果 图3 侧视图像的颜色特征。注意：在图 (B) 中，上图中的红色实线表示 B 值的阈值线。在 (B) 的下图中，X 轴表示沿小麦图像底部（从左到右）的像素坐标，表示每个茎的位置，而 Y 轴表示红线位置处的 B 值。 图4 侧视图像的峰值检测结果。注： X轴表示小麦底图的像素坐标（从左到右），表示每根茎的位置，Y轴表示红线位置的B值。 图5 基于双边峰的随机森林模型结果。注： “真实值”表示人工调查的树干数量，“预测值”表示采用本文方法估算的树干数量。 图6 不同方法检测效果。注：图（A）中上图红色实线表示B值的阈值线。图（A）下图中X轴表示沿小麦图像底部（从左到右）的像素坐标，代表每根茎的位置，Y轴表示红线位置处的B值。 图7 不同图像特征的 SHAP 值比较 图8 峰值检测方法中茎的漏检情况 农业科技侠交流群 入群可添加小编微信（扫描下方二维码，备注：来意-姓名-单位，若二维码添加失败，请公众号后台私信留言“入群”） 投稿、宣传推广、开白等请在本公众号后台回复“1” 转载请注明来源：本文转自农业科技侠数字与智慧农业微信公众号 编辑：吕一帆 声明:本文旨在前沿分享,若有编辑等问题,敬请后台留言
