基于三维点云和集成学习的大田烟草株型特征识别
2022-07-12贾奥博董天浩张彦朱冰琳孙延国吴元华石屹马韫韬郭焱
浙江大学学报(农业与生命科学版) 2022年3期
贾奥博,董天浩,张彦,朱冰琳,孙延国,吴元华,石屹,马韫韬,郭焱*
(1.中国农业大学土地科学与技术学院,北京 100193;2.中国农业科学院烟草研究所,山东 青岛 266101)
作物株型研究能为新品种选育、栽培措施优化提供理论指导[1-2]。烟草是中国重要的经济作物,株型对其生长发育具有重要影响,优化株型配置能够提高烟叶的品质及产量[3-4]。植物表型能够反映植物结构及组成、植物生长发育过程及结果的全部物理、生理、生化特征和性状[5],由基因和环境因素共同决定或影响。株高、茎叶夹角等表型对株型育种都是不可或缺的参数。因此,基于定量化的表型参数对不同品种烟草株型的研究具有重要意义。
传统大田人工识别株型需要测量多种参数,由于没有完全统一的标准,往往会存在较大差异。应用三维数字化技术,能够精确地构建大田烟草的冠层结构模型[6],进而从中提取表型参数,对不同株型进行判别分析。但该技术存在工作量大、耗时长等问题,且在大田环境下单独一人难以完成三维数字化的测量工作,且容易扰动植物,造成获取的三维模型不准确[7]。目前,采用运动恢复结构(structure from motion, SFM)算法可从基于多视角立体视觉(multi-view stereo,MVS)技术获取的同一目标的二维图像序列中高效地重建其形态结构信息,该算法已应用于室内作物冠层点云的重建[8-9],并在大田环境下有了初步尝试[10],取得了较好的结果。近年来,对烟草数字化和三维建模已有相关报道[6-7],研究内容多为三维模型的构建、各类点云分析算法的比较和精度评估[11]。……
登录APP查看全文