目前，國(guó)內(nèi)多家科研機(jī)構(gòu)、實(shí)驗(yàn)室在關(guān)于智慧農(nóng)業(yè)方向的科研，已經(jīng)取得了一定進(jìn)展，僅在作物表型技術(shù)方面，已經(jīng)在玉米、小麥、棉花、油菜等作物方面獲得了進(jìn)展。

一、田間玉米苗期高通量動(dòng)態(tài)監(jiān)測(cè)方法

科研機(jī)構(gòu)：北京農(nóng)業(yè)信息技術(shù)研究中心、國(guó)家農(nóng)業(yè)信息化工程技術(shù)研究中心/數(shù)字植物北京市重點(diǎn)實(shí)驗(yàn)室、上海海洋大學(xué)信息學(xué)院

為解決玉米出苗動(dòng)態(tài)檢測(cè)監(jiān)測(cè)，依靠人工觀測(cè)，管理不精準(zhǔn)的問(wèn)題，實(shí)現(xiàn)田間精細(xì)化管理。北京農(nóng)業(yè)信息技術(shù)研究中心攜手上海海洋大學(xué)等結(jié)構(gòu)，研究以田間作物表型高通量，采集平臺(tái)獲取的高時(shí)序可見(jiàn)光圖像，和無(wú)人機(jī)平臺(tái)獲取的可見(jiàn)光圖像兩種數(shù)據(jù)源，構(gòu)建了不同光照條件下的玉米出苗過(guò)程圖像數(shù)據(jù)集。對(duì)不同品種、不同密度的玉米植株進(jìn)行出苗動(dòng)態(tài)連續(xù)監(jiān)測(cè)，對(duì)各玉米品種的出苗持續(xù)時(shí)間和出苗整齊度進(jìn)行評(píng)價(jià)分析。

試驗(yàn)結(jié)果表明，利用本模型得到的動(dòng)態(tài)出苗結(jié)果與人工實(shí)際觀測(cè)具有一致性，可以滿足實(shí)際應(yīng)用場(chǎng)景下玉米出苗自動(dòng)檢測(cè)的需求，具有魯棒性和泛化性。

二、基于Micro-CT的玉米籽粒顯微表型特征研究

科研機(jī)構(gòu)：北京農(nóng)業(yè)信息技術(shù)研究中心、國(guó)家農(nóng)業(yè)信息化工程技術(shù)研究中心/數(shù)字植物北京市重點(diǎn)實(shí)驗(yàn)室、華中農(nóng)業(yè)大學(xué)植物科學(xué)技術(shù)學(xué)院

針對(duì)傳統(tǒng)籽粒顯微性狀檢測(cè)方法效率低、誤差大且指標(biāo)單一等問(wèn)題，該團(tuán)隊(duì)研究利用Micro-CT掃描技術(shù)對(duì)5種類型11個(gè)品種玉米籽粒開(kāi)展顯微表型(植物組織、細(xì)胞和亞細(xì)胞水平的表型信息)精準(zhǔn)鑒定研究。

基于對(duì)CT序列圖像的處理解析，共獲取籽粒、胚、胚乳、空腔、皮下空腔、胚乳空腔和胚空腔的34項(xiàng)顯微表型指標(biāo)。結(jié)果表明，Micro-CT掃描技術(shù)不僅可以實(shí)現(xiàn)玉米籽粒顯微表型的精準(zhǔn)鑒定，還可以為玉米(比如：普通玉米、爆裂玉米、甜玉米、高油玉米等)籽粒分類、品種檢測(cè)等提供技術(shù)支撐。

三、基于高光譜數(shù)據(jù)的玉米葉面積指數(shù)和生物量評(píng)估

科研機(jī)構(gòu)： 中國(guó)農(nóng)業(yè)大學(xué)土地科學(xué)與技術(shù)學(xué)院、中國(guó)農(nóng)業(yè)大學(xué)生物學(xué)院

該團(tuán)隊(duì)為提升玉米精準(zhǔn)管理水平，研究基于3個(gè)種植密度和5份玉米材料的田間試驗(yàn)，獲取玉米大喇叭口期的地面ASD高光譜數(shù)據(jù)與無(wú)人機(jī)高光譜影像，分析不同種植密度下不同遺傳材料的葉面積指數(shù)(LAI)和單株地上部生物量，構(gòu)建基于全波段、敏感波段和植被指數(shù)的LAI和單株的上部生物量高光譜估算模型，比較分析兩類高光譜數(shù)據(jù)在玉米表型性狀參數(shù)上的檢測(cè)能力。

結(jié)果表明，田間非成像高光譜和無(wú)人機(jī)成像高光譜在玉米LAI及生物量估算方面具有較好的一致性，能夠快速有效地提取地塊尺度玉米農(nóng)學(xué)參數(shù)信息，可為高光譜技術(shù)在小區(qū)尺度的精準(zhǔn)農(nóng)業(yè)管理應(yīng)用提供參考。

四、基于快速葉綠素?zé)晒饧夹g(shù)的油菜冠層生化參數(shù)垂直異質(zhì)性分析

科研機(jī)構(gòu)：浙江大學(xué)生物系統(tǒng)工程與食品科學(xué)學(xué)院、農(nóng)業(yè)農(nóng)村部光譜檢測(cè)重點(diǎn)實(shí)驗(yàn)室、浙江大學(xué)現(xiàn)代光學(xué)儀器國(guó)家重點(diǎn)實(shí)驗(yàn)室

針對(duì)現(xiàn)有作物生化參數(shù)的垂直分布研究，缺乏與光合生理聯(lián)系的問(wèn)題，該團(tuán)隊(duì)研究主要探究了不同氮素處理水平下，油菜苗期冠層內(nèi)的葉綠素、類胡蘿卜素、干物質(zhì)和水分等生化參數(shù)的垂直分布變化特性，及葉片的光合性能，進(jìn)一步剖析了熒光響應(yīng)與生化參數(shù)的內(nèi)在聯(lián)系。

試驗(yàn)結(jié)果表明:應(yīng)用快速葉綠素?zé)晒饧夹g(shù)對(duì)作物進(jìn)行生化信息的垂直異質(zhì)性檢測(cè)，具有可行性，可為指導(dǎo)精準(zhǔn)施肥和提高優(yōu)質(zhì)優(yōu)產(chǎn)提供新思路和技術(shù)支撐。

五、利用多時(shí)序激光點(diǎn)云數(shù)據(jù)提取棉花表型參數(shù)方法

科研機(jī)構(gòu)：華中農(nóng)業(yè)大學(xué)信息學(xué)院、華中農(nóng)業(yè)大學(xué)植物科學(xué)技術(shù)學(xué)院、華中農(nóng)業(yè)大學(xué)作物遺傳改良國(guó)家重點(diǎn)實(shí)驗(yàn)室等

為實(shí)現(xiàn)作物表型參數(shù)高效、準(zhǔn)確地測(cè)量和作物生育期表型參數(shù)的動(dòng)態(tài)量化研究，該團(tuán)隊(duì)研究以棉花為研究對(duì)象，針對(duì)棉花植株主干的幾何特性，采用三維激光掃描LiDAR技術(shù)獲取棉花植株的多時(shí)序點(diǎn)云數(shù)據(jù)，對(duì)各植株表型參數(shù)動(dòng)態(tài)變化過(guò)程進(jìn)行了量化。

實(shí)驗(yàn)結(jié)果表明，采用主干提取及葉片分割方法能夠?qū)崿F(xiàn)棉花的枝干和葉片分割。提取的株高、葉長(zhǎng)、葉寬等表型參數(shù)與人工測(cè)量值的決定系數(shù)均趨近于1.0;同時(shí)，實(shí)現(xiàn)了棉花表型參數(shù)的動(dòng)態(tài)量化過(guò)程，為三維表型技術(shù)的實(shí)現(xiàn)提供了一種有效方法。

六、基于YOLOv4和自適應(yīng)錨框調(diào)整的谷穗檢測(cè)方法

科研機(jī)構(gòu)：山西農(nóng)業(yè)大學(xué)軟件學(xué)院、陜西師范大學(xué)計(jì)算機(jī)學(xué)院

為解決傳統(tǒng)人工統(tǒng)計(jì)谷穗費(fèi)時(shí)費(fèi)力的問(wèn)題，該團(tuán)隊(duì)研究提出了一種基于YOLOv4和自適應(yīng)錨框調(diào)整的谷穗檢測(cè)方法，可快速準(zhǔn)確地檢測(cè)特定框中的谷穗。通過(guò)自適應(yīng)地調(diào)整錨框，可生成符合谷穗目標(biāo)的候選框，從而提升檢測(cè)的準(zhǔn)確率。

試驗(yàn)結(jié)果表明，該方法獲得了良好的谷穗檢測(cè)性能，在所有評(píng)價(jià)標(biāo)準(zhǔn)上均比其他比較模型高出8%，具有較好的準(zhǔn)確性和高效性。

七、基于超體素聚類和局部特征的玉米植株點(diǎn)云雄穗分割

科研機(jī)構(gòu)：沈陽(yáng)農(nóng)業(yè)大學(xué)信息與電氣工程學(xué)院、遼寧省農(nóng)業(yè)信息化工程技術(shù)研究中心等

針對(duì)當(dāng)前三維點(diǎn)云處理方法在玉米植株點(diǎn)云中識(shí)別雄穗相對(duì)困難的問(wèn)題，該團(tuán)隊(duì)提出一種基于超體素聚類和局部特征的玉米植株點(diǎn)云雄穗分割方法。

結(jié)果表明，基于超體素聚類和局部特征的玉米植株點(diǎn)云雄穗分割方法，具備在玉米植株點(diǎn)云中提取雄穗的能力，可為玉米高通量表型檢測(cè)、玉米三維重建等研究和應(yīng)用提供技術(shù)支持。

八、基于三維數(shù)字化的小麥植株表型參數(shù)提取方法

科研機(jī)構(gòu)：北京市農(nóng)林科學(xué)院信息技術(shù)研究中心、國(guó)家農(nóng)業(yè)信息化工程技術(shù)研究中心數(shù)字植物北京市重點(diǎn)實(shí)驗(yàn)室、西北農(nóng)林科技大學(xué)信息工程學(xué)院

針對(duì)小麥植株分蘗多、器官間交叉遮擋嚴(yán)重，難以用圖像或點(diǎn)云準(zhǔn)確提取植株和器官表型的問(wèn)題，該團(tuán)隊(duì)研究提出了基于三維數(shù)字化的小麥植株表型參數(shù)提取方法。

根據(jù)三維數(shù)字化數(shù)據(jù)的空間位置語(yǔ)義信息和表型參數(shù)的定義，提出了小麥植株表型參數(shù)計(jì)算方法，實(shí)現(xiàn)了小麥植株和器官長(zhǎng)度、粗度和角度等3類共11個(gè)常規(guī)可測(cè)表型參數(shù)的計(jì)算。利用豐抗13號(hào)、西農(nóng)979號(hào)和濟(jì)麥44號(hào)三個(gè)品種小麥起身期、拔節(jié)期、抽穗期三個(gè)時(shí)期的人工測(cè)量值和提取值進(jìn)行驗(yàn)證。

結(jié)果表明，在保持植株原始三維形態(tài)結(jié)構(gòu)的前提下，提取的莖長(zhǎng)、葉長(zhǎng)、莖粗、莖葉夾角與實(shí)測(cè)數(shù)據(jù)精度相對(duì)較高。該方法能便捷、精確地提取小麥植株和器官形態(tài)結(jié)構(gòu)表型參數(shù)，為小麥表型相關(guān)研究提供了有效技術(shù)支撐。

九、作物三維重構(gòu)技術(shù)研究現(xiàn)狀及前景展望

科研機(jī)構(gòu)：東北農(nóng)業(yè)大學(xué)理學(xué)院、東北農(nóng)業(yè)大學(xué)工程學(xué)院、東北農(nóng)業(yè)大學(xué)農(nóng)學(xué)院

為深入總結(jié)作物表型中三維重構(gòu)技術(shù)研究進(jìn)展，該團(tuán)隊(duì)從作物三維重構(gòu)的基本方法與應(yīng)用特點(diǎn)、研究現(xiàn)狀和前景展望等三個(gè)方面展開(kāi)綜述。從作物三維重構(gòu)全程自動(dòng)化、4D表型的構(gòu)成、作物虛擬生長(zhǎng)與模擬育種和智慧農(nóng)業(yè)發(fā)展等方面對(duì)作物三維重構(gòu)技術(shù)的前景進(jìn)行了展望。

作物的三維重構(gòu)模型對(duì)于高通量作物表型獲取、作物株型特征評(píng)價(jià)、植株結(jié)構(gòu)和表型相關(guān)性分析等均具有重要意義，加快了新品種的選育和優(yōu)化了田間管理。

審核編輯黃宇