Maize point cloud acquisition and phenotypic trait extraction using a mobile robotic platform
Year: 2026
Type: article
Abstract: 作物表型是基因与环境相互作用的外在表现，是解析基因型与环境相互作用关系的核心基础。玉米作为全球最重要的粮食作物之一，其高通量表型数据的获取，在育种、品种改良及抗逆机理研究中发挥着关键作用。高通量作物表型获取设备是作物表型数据采集、分析、测量等研究不可或缺的核心工具。移动机器人平台凭借其室外适应性、可拓展性和操作便利性等优势，通过搭载相机组件，能够在真实生长条件下高效获取大量作物数据。针对室外群体玉米三维表型获取方法存在高成本、低适应性和低通量等问题，本研究以苗期盆栽玉米为研究对象，构建了基于移动机器人平台从数据采集到三维表型参数提取的完整流程框架。具体而言，本研究利用安装在移动机器人平台上的八台RGB相机，采集玉米盆栽的多视角序列图像，并借助三维重建技术生成群体点云。采用基于深度学习的点云实例分割方法获取单株点云，并进一步对单株点云进行器官分割，最终提取玉米的三维表型参数。实验结果表明，本方法提取的玉米苗高、茎粗、叶长、叶宽等表型参数，其与人工测量值的相关系数平方（）均大于0.75，其中苗高的值高达0.94。本研究提出的方法能够满足玉米三维表型参数提取的精度要求，在玉米精准表型高通量鉴定领域展现出较高的应用潜力。
Source: Scientia Sinica Vitae
Language: English
Topic: Smart Agriculture and AI
Subfield: Plant Science
Domain: Life Sciences
SDG: Zero hunger
Open Access status: bronze
OpenAlex ID: W7128468874