Plant Phenomics | 貴州大學(xué)基于光譜重建的復(fù)雜田間環(huán)境下無(wú)人機(jī)影像植被分割

對(duì)植被遙感圖像進(jìn)行分割可以最大限度地減少背景干擾，從而實(shí)現(xiàn)對(duì)植被信息的有效監(jiān)測(cè)和分析。然而，植被分割在復(fù)雜環(huán)境條件下仍面臨諸多挑戰(zhàn)，尤其是在數(shù)據(jù)獲取成本和標(biāo)注工作方面。傳統(tǒng)的光譜數(shù)據(jù)采集設(shè)備價(jià)格昂貴，且數(shù)據(jù)標(biāo)注過(guò)程耗時(shí)費(fèi)力。因此，開(kāi)發(fā)一種低成本、高效的植被分割方法顯得尤為重要。

2025年3月，Plant Phenomics 在線發(fā)表了貴州大學(xué)SAMLAB團(tuán)隊(duì)題為Segmenting vegetation from UAV images via spectral reconstruction in complex field environments的研究論文。

圖1 本研究的總體框架流程圖

本研究提出了一種基于光譜重建（Spectral Reconstruction, SR）的無(wú)人機(jī)（UAV）圖像植被分割弱監(jiān)督方法。該方法創(chuàng)新性地通過(guò)深度學(xué)習(xí)技術(shù)將田間采集的無(wú)人機(jī)RGB影像重建為光譜圖像，并針對(duì)重建圖像設(shè)計(jì)了融合和分割策略，從而實(shí)現(xiàn)復(fù)雜田間環(huán)境下的植被分割。相較于傳統(tǒng)方法，本研究顯著降低了數(shù)據(jù)獲取和標(biāo)注成本，為精準(zhǔn)農(nóng)業(yè)中的植被監(jiān)測(cè)提供了新的技術(shù)路徑。

在方法實(shí)現(xiàn)上，研究團(tuán)隊(duì)開(kāi)發(fā)了兩種深度學(xué)習(xí)模型——SRCNet和SRANet，分別基于卷積和注意力機(jī)制，能夠從普通的RGB圖像中重建出光譜圖像。通過(guò)結(jié)合植被指數(shù)理論，本研究設(shè)計(jì)了重建圖像融合分割策略，該策略能夠自動(dòng)提取具有判別性的植被特征，在無(wú)需人工標(biāo)注的情況下實(shí)現(xiàn)準(zhǔn)確的植被分割。實(shí)驗(yàn)表明，該方法在真實(shí)田間數(shù)據(jù)集上實(shí)現(xiàn)了0.853的平均交并比（MIoU），表現(xiàn)出優(yōu)越的性能。除此之外，研究團(tuán)隊(duì)還開(kāi)源了田間無(wú)人機(jī)圖像數(shù)據(jù)集，為相關(guān)研究提供數(shù)據(jù)支撐。

圖2植被分割效果圖

研究團(tuán)隊(duì)介紹
貴州大學(xué)SAMLAB團(tuán)隊(duì)，于2021年9月由王崎老師創(chuàng)建，隸屬貴州大學(xué)，自成立起，團(tuán)隊(duì)主要聚焦人工智能多模態(tài)感知，并將其應(yīng)用到農(nóng)業(yè)相關(guān)任務(wù)。目前正依托綠色農(nóng)藥全國(guó)重點(diǎn)實(shí)驗(yàn)室，公共大數(shù)據(jù)國(guó)家重點(diǎn)實(shí)驗(yàn)室，一帶一路聯(lián)合實(shí)驗(yàn)室，貴州大學(xué)的三個(gè)國(guó)家級(jí)平臺(tái)開(kāi)展交叉方向研究。團(tuán)隊(duì)科研主要以多模態(tài)技術(shù)為核心，一方面開(kāi)展純計(jì)算機(jī)多模態(tài)感知方向研究，另一方面，在綠色農(nóng)藥全國(guó)重點(diǎn)實(shí)驗(yàn)室郝格非教授的指導(dǎo)下，開(kāi)展針對(duì)農(nóng)作物生產(chǎn)過(guò)程中的細(xì)分任務(wù)，如病害診斷與用藥、田間作物表型監(jiān)測(cè)、多源遙感監(jiān)測(cè)等領(lǐng)域的科學(xué)研究，將開(kāi)發(fā)的多模態(tài)方法應(yīng)用到這些任務(wù)。目前團(tuán)隊(duì)發(fā)表SCI 1區(qū)論文30余篇，主持承擔(dān)國(guó)家級(jí)及省部級(jí)項(xiàng)目15余項(xiàng)，獲發(fā)明專利20余件，團(tuán)隊(duì)負(fù)責(zé)人王崎老師領(lǐng)銜的“復(fù)雜環(huán)境下農(nóng)業(yè)病蟲(chóng)害的多模態(tài)大數(shù)據(jù)精準(zhǔn)鑒定技術(shù)研究”獲得了2024數(shù)博會(huì)十大領(lǐng)先科技成果。

論文鏈接：
‍https://doi.org/10.1016/j.plaphe.2025.100021

——推薦閱讀——
IHUP: An Integrated High-Throughput Universal Phenotyping Software Platform to Accelerate Unmanned-Aerial-Vehicle-Based Field Plant Phenotypic Data Extraction and Analysis
https://doi.org/10.34133/plantphenomics.0164‍
Plant Phenomics 精選2024 | 華中農(nóng)業(yè)大學(xué)開(kāi)發(fā)了基于無(wú)人機(jī)平臺(tái)的大田作物表型數(shù)據(jù)提取和分析平臺(tái)
Characterization and Identification of NPK Stress in Rice Using Terrestrial Hyperspectral Images
https://doi.org/10.34133/plantphenom‍i‍cs.0197
Plant Phenomics 精選2024 | 東北農(nóng)業(yè)大學(xué)利用近端成像光譜對(duì)水稻NPK脅迫進(jìn)行特征化及鑒別

加入作者交流群
掃碼添加小編微信，拉您進(jìn)入《植物表型組學(xué)》作者交流群，群內(nèi)不定期開(kāi)展作者分享會(huì)、專刊發(fā)布會(huì)等高質(zhì)量活動(dòng)。

添加小編微信，備注姓名+單位+PP，加入作者交流群

About Plant Phenomics
《植物表型組學(xué)》（Plant Phenomics）是由南京農(nóng)業(yè)大學(xué)創(chuàng)辦的英文學(xué)術(shù)期刊，于2019年1月正式上線發(fā)行。采用開(kāi)放獲取形式，刊載植物表型組學(xué)交叉學(xué)科熱點(diǎn)領(lǐng)域具有突破性科研進(jìn)展的原創(chuàng)性研究論文、綜述、數(shù)據(jù)集和觀點(diǎn)。具體范圍涵蓋高通量表型分析的最新技術(shù)，基于圖像分析和機(jī)器學(xué)習(xí)的表型分析研究，提取表型信息的新算法，作物栽培、植物育種和農(nóng)業(yè)實(shí)踐中的表型組學(xué)新應(yīng)用，與植物表型相結(jié)合的分子生物學(xué)、植物生理學(xué)、統(tǒng)計(jì)學(xué)、作物模型和其他組學(xué)研究，表型組學(xué)相關(guān)的植物生物學(xué)等。期刊已被DOAJ、Scopus、PMC、EI和SCIE等數(shù)據(jù)庫(kù)收錄。科睿唯安JCR2023影響因子為7.6，位于農(nóng)藝學(xué)一區(qū)（1/125名），植物科學(xué)一區(qū)（13/265名），遙感一區(qū)（6/62名）。2025年中科院期刊分區(qū)位于農(nóng)林科學(xué)大類一區(qū)、TOP期刊。2020年入選中國(guó)科技期刊卓越行動(dòng)計(jì)劃高起點(diǎn)新刊項(xiàng)目、2024年入選江蘇科技期刊卓越行動(dòng)計(jì)劃領(lǐng)軍期刊項(xiàng)目、中國(guó)科技期刊卓越行動(dòng)計(jì)劃二期英文梯隊(duì)期刊。

說(shuō)明：本文由《植物表型組學(xué)》編輯部負(fù)責(zé)組稿。
中文內(nèi)容僅供參考，一切內(nèi)容以英文原版為準(zhǔn)。
特邀作者：裴之蕈、王崎
編輯排版：王平、薛楚凡（浙江大學(xué)）
審核：尹歡、孔敏