基于深度學習多源數據融合的生菜表型參數估算方法

朱逢樂，嚴 霜，孫 霖，何夢竹，鄭增威，喬 欣

（1.浙大城市學院計算機與計算科學學院，杭州 310015； 2.浙江工業大學機械工程學院，杭州 310023； 3.智能植物工廠浙江省工程實驗室，杭州 310015； 4.浙江大學計算機科學與技術學院，杭州 310027）

0 引 言

生菜，為菊科萵苣屬一年或兩年生草本植物，在世界范圍內廣泛種植，是大眾喜愛的主要蔬菜之一。生菜的干質量、濕質量、株高、直徑和葉面積等外部表型參數與生菜生長勢和產量直接相關，對生菜的生長監測和產量預估意義重大，有助于實現設施蔬菜栽培的數字化、自動化、智能化。傳統的生菜表型參數定量測量方式耗費人力，效率低下；更嚴重的是，在干濕質量測量中，若對土培或基質培生菜采用傳統的破壞式稱量方法，會使得生菜生長無法繼續，無法對特定植株生長過程中的干濕質量進行連續測量。因此，發展快速無損的表型檢測方法勢在必行。

可見光圖像易于獲取，包含豐富的作物表型信息，基于可見光的機器視覺和圖像處理技術是表型參數無損估算的研究熱點。大多數研究基于二維RGB圖像開展。李曉斌等采集了生菜整個生命周期俯視及側視兩類序列圖像數據，并同步人工測量生菜生長勢的動態參數數據，對圖像進行背景分割后從圖像中手動提取生菜投影面積、株高、群體覆蓋指數3項指標，并通過回歸分析證實了提取的特征在表征生菜生長勢方面具有可行性。Du等提出了一種目標檢測-語義分割-表型分析方法，設計多種幾何特征和顏色特征，實現了對每個生菜植株的靜態、動態特征的提取，發現靜態特征的積累率準確地反映了生菜植株的生長狀況，并人工測定冠層寬度參數，通過回歸分析驗證了所提取圖像特征的有效性。……