陈 玲，王浩云，肖海鸿，马仕航，杨 瑶，徐焕良

利用FL-DGCNN模型估测绿萝叶片外部表型参数

陈 玲1，王浩云1，肖海鸿1，马仕航2，杨 瑶1，徐焕良1※

（1.南京农业大学人工智能学院计算机系，南京 210095；2.中国移动通讯集团上海有限公司，上海 200060）

为了能够低成本、自动化批量获取植物叶片的外部表型参数，同时解决自然生长条件下的植物叶片存在遮挡而无法获取完整的外部表型数据的问题，该研究以绿萝叶片为研究对象，基于曲面参数方程建立叶片几何模型，提出一种基于特征分层的动态图（Dynamic Graph CNN based on Feature Layering，FL-DGCNN）和堆栈编码器模型的绿萝叶片外部表型参数估测算法。通过多层组合的编码-解码器模型对残缺点云进行形状补全，将不同尺度下的点云通过多层感知机提取分组点不同层的特征向量融合后获取特征信息，以决定系数和均方根误差评价模型结果。结果表明：多层组合的编码模型对残缺点云补全的鲁棒性更高，特征分层的动态图模型估测结果的叶长、叶宽、叶面积的决定系数分别为0.92、0.93和0.94，叶长、叶宽的均方根误差分别为0.37、0.34 cm，叶面积的均方根误差为3.01cm2。该方法对叶类植物叶片的外部表型参数估测效果较好，具有实用性。

模型；参数；三维；深度学习；遮挡补全；绿萝

0 引 言

叶片作为植物生长发育的主要器官，是植物进行光合作用和蒸腾作用的主要途径，叶片的外形参数能够反映植物的生长状况、表征植物的生理指标，从而预测植物的生长模型，便于合理栽培管理与品种特性分类[1]。……