农业作物表型前沿技术与应用汇总

关于推进智慧农业的推广与应用，无数高校、科研院所等机构都投入了大量人力物力，目前已经有多篇相关论文发表，本文总结了来自南京农业大学、浙江省农业科学院、北京农业信息技术研究中心、 中国农业大学、浙江大学、华中农业大学、山西农业大学、沈阳农业大学、东北农业大学等单位的研究成果，是前沿技术。

一、室内植物表型平台及性状鉴定研究进展和展望

针对室内表型监测平台的特点、管理和解析方法，和各类室内表型针对的表型性状，包括产量、品质、胁迫抗性(包括干旱、抗冷热、盐胁迫、重金属和病虫害)等，对室内表型平台的发展方向，对表型组学在中国的发展提出了展望，以期为中国植物表型研究提供指导和建议。

二、田间小麦冠层光截获算法开发

以小麦为研究目标，利用数字化植物表型平台(D3P)模拟生成了三维冠层场景，记录了绿色叶面积指数(GAI)、平均倾角(AIA)和散射光截获率(FIPARdif)信息，生成了对应的三维点云数据。研究表明，基于D3P模拟数据开展，算法的实际表现还有待通过田间数据进一步验证。

三、西兰花表型快速提取方法研究

通过对深度残差网络ResNet，改进得到一种新型的西兰花花球分割模型，多表型参数的高通量获取，通过花球部位黄绿颜色占比判断其新鲜度，实现低成本高效准确地西兰花表型信息提取，对确定西兰花长势具有关键作用，可为作物田间长势监测研究提供重要参考。

四、玉米籽粒显微表型特征研究

针对传统籽粒显微性状检测方法效率低、误差大且指标单一等问题，利用Micro-CT扫描技术，开展显微表型精准鉴定研究，通过对植物组织、细胞和亚细胞水平的表型信息的研究，为玉米籽粒分类、品种检测等提供技术支撑。

五、玉米叶面积指数和生物量评估

基于不同种植密度的5份玉米田间试验，获取玉米大喇叭口期的地面ASD高光谱数据与无人机高光谱影像，研究表明两项信息在玉米LAI及生物量估算方面具有较好的一致性，能够快速有效地提取地块尺度玉米农学参数信息，有助于提升玉米精准管理水平，可为高光谱技术在小区尺度的精准农业管理应用提供参考。

六、油菜冠层生化参数垂直异质性分析

研究了不同氮素处理水平下油菜苗期冠层内的叶绿素、类胡萝卜素、干物质和水分等生化参数的垂直分布变化特性，同时测定了叶片的光合性能，剖析了荧光响应与生化参数的内在联系。对监测作物生长和指导精准施肥具有重要意义，可为指导精准施肥、提高优质优产，提供新思路和技术支撑。

七、提取棉花表型参数方法

以棉花为研究对象，采用三维激光扫描技术获取棉花植株的云数据，针对植株主干的几何特性，完成植株体积、株高、叶长、叶宽等性状参数的估计。实现了棉花表型参数的动态量化过程，为三维表型技术的实现提供了一种有效方法，实现作物表型参数高效、准确的测量和作物生育期表型参数的动态量化研究。

八、谷穗检测方法

基于YOLOv4和自适应锚框调整的谷穗检测方法，可快速准确地检测特定框中的谷穗。通过自适应地调整锚框，可生成符合谷穗目标的候选框，从而提升检测的准确率，该方法具有较好的准确性和高效性。谷穗的检测和计数对于预测谷子产量和育种至关重要。

九、玉米植株点云雄穗分割

针对当前三维点云处理方法，在玉米植株点云中识别雄穗相对困难的问题，提出一种在玉米植株点云中提取雄穗的分割方法，可为玉米高通量表型检测、玉米三维重建等研究和应用提供技术支持。

十、柚子果形检测分级方法

针对柚子果形和尺寸分级判断的问题，研究一种检测柚子纵、横径尺寸并对柚子形状缺陷进行判断的方法，为柚子尺寸和形状的自动化检测、分级，提供了快速无损方法。

十一、田间玉米苗期高通量动态监测方法

目前对玉米出苗动态检测监测主要是依靠人工观测，耗时耗力，且样方量小等情况，构建了不同光照条件下的玉米出苗过程图像数据集。研究满足实际应用场景下玉米出苗自动检测的需求，对解决人工出苗动态管理不精准的问题，田间精细化管理提出了一种实现可能性。

十二、作物三维重构技术研究现状及前景展望

随着无人机和各类传感器的广泛使用，在作物育种和田间生产中的作用越发明显，作物表型组学得到了极大的发展。研究兼具了作物表型组学及其相关技术的发展，加快了新品种的选育和优化了田间管理，对高通量作物表型获取、作物株型特征评价、植株结构和表型相关性分析等均具有重要意义。