目前，国内多家科研机构和实验室在智慧农业科研方面取得了一定进展。 仅在作物表型技术方面，玉米、小麦、棉花、油菜等作物都取得了进展。

 

　　

　　智慧农业

　　 1. 大田玉米苗期高通量动态监测方法

　　科研机构：北京市农业信息技术研究中心、国家农业信息工程技术研究中心/北京市数字植物重点实验室、上海海洋大学信息学院

　　解决玉米出苗动态检测监测问题，依靠人工观察、管理不精准，实现田间精细化管理。 北京农业信息技术研究中心联合上海海洋大学等机构正在研究两个数据源：高通量大田作物表型、采集平台获取的高时间序列可见光图像、无人机平台，建立不同光照条件的模型。 条件下玉米出苗过程图像数据集。 连续监测不同品种、不同密度玉米植株的出苗动态，对各玉米品种的出苗持续时间和出苗均匀度进行评价分析。

　　测试结果表明，利用该模型获得的动态出苗结果与实际人工观测相符，能够满足实际应用场景中玉米出苗自动检测的需求，且具有鲁棒性和泛化性。

　　

　　玉米苗

　　 2. 基于Micro-CT的玉米籽粒显微表型特征研究

　　科研机构：北京市农业信息技术研究中心、国家农业信息工程技术研究中心/北京市数字植物重点实验室、华中农业大学植物科学与技术学院

　　为了解决传统谷物显微性状检测方法效率低、误差大、指标单一等问题，团队研究利用Micro-CT扫描技术对5种类型的显微表型（植物组织、细胞和亚细胞）进行研究以及11个玉米品种。 表型信息水平）准确鉴定研究。

　　基于CT序列图像的处理和分析，共获得籽粒、胚、胚乳、腔、皮下腔、胚乳腔和胚腔的显微表型指标34个。 结果表明，Micro-CT扫描技术不仅可以实现玉米籽粒显微表型的准确鉴定，还可以为玉米（如普通玉米、爆米花、甜玉米、高油玉米等）籽粒分类和品种提供技术检测。 支持。

　　

　　玉米

　　 3. 基于高光谱数据的玉米叶面积指数及生物量评估

　　科研机构：中国农业大学土地科学技术学院、中国农业大学生物学院

　　为提高玉米精准管理水平，团队基于3种种植密度、5种玉米材料进行田间试验，获取玉米大喇叭口期地面ASD高光谱数据和无人机高光谱图像，分析不同种植密度下的差异。种植密度。 利用遗传物质叶面积指数（LAI）和单株地上生物量，构建基于全波段、敏感波段和植被指数的LAI和单株地上生物量高光谱估算模型，玉米两类高光谱数据对表型性状参数检测能力的对比分析

　　结果表明，田间非成像高光谱与无人机成像高光谱在玉米LAI和生物量估算方面具有良好的一致性，能够快速有效地提取小区尺度的玉米农艺参数信息，可为小区高光谱技术提供支撑。 为大规模精准农业管理应用提供参考。

　　

　　玉米种植

　　 4. 基于快速叶绿素荧光技术的油菜冠层生化参数垂直异质性分析

　　科研机构：浙江大学生物系统工程与食品科学学院、农业农村部光谱检测重点实验室、浙江大学现代光学仪器国家重点实验室

　　针对现有作物生化参数垂直分布研究缺乏与光合生理联系的问题，该团队的研究主要探讨了不同施氮水平下油菜幼苗冠层的叶绿素、类胡萝卜素、干物质和水分的变化。 生化参数垂直分布变化特征和叶片光合性能进一步分析了荧光响应与生化参数之间的内在关系。

　　试验结果表明，应用快速叶绿素荧光技术检测作物生化信息垂直异质性是可行的，可为指导精准施肥、提高优质增产提供新思路和技术支撑。

　　油菜种植

　　 5. 利用多序列激光点云数据提取棉花表型参数的方法

　　科研机构：华中农业大学信息学院、华中农业大学植物科学与技术学院、华中农业大学作物遗传改良国家重点实验室等。

　　为了实现作物表型参数的高效精准测量以及作物生长期间表型参数的动态量化，团队以棉花为研究对象，利用三维激光扫描LiDAR技术获取棉花植株的几何特征树干。 多时间序列点云数据量化了各植物表型参数的动态变化过程。

　　实验结果表明，树干提取和叶片分割方法可用于棉花枝叶分割。 提取的株高、叶长、叶宽等表型参数与人工测量值的决定系数均接近1.0； 同时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基础。 一个有效的方法。

　　

　　棉花种植

　　 6、基于YOLOv4和自适应锚框调整的粮穗检测方法

　　科研机构：山西农业大学软件学院、陕西师范大学计算机学院

　　为了解决传统人工计数粮穗耗时耗力的问题，团队提出了一种基于YOLOv4和自适应锚框调整的粮穗检测方法，能够快速准确地检测特定帧中的粮穗。 通过自适应调整锚框，可以生成满足颗粒目标的候选框，从而提高检测精度。

　　测试结果表明，该方法取得了良好的人耳检测性能，在所有评价标准上均比其他对比模型高出8%，并且具有良好的准确性和效率。

　　麦穗

　　 7. 基于超体素聚类和局部特征的玉米植株点云雄穗分割

　　科研机构：沉阳农业大学信息与电气工程学院、辽宁省农业信息工程技术研究中心等。

　　针对目前三维点云处理方法识别玉米植株点云中雄穗相对困难的问题，团队提出了一种基于超体素聚类和局部特征的玉米植株点云雄穗分割方法。

　　结果表明，基于超体素聚类和局部特征的玉米植株点云雄穗分割方法具有从玉米植株点云中提取雄穗的能力，可用于高通量玉米表型检测、玉米三维重建和其他研究。 和应用技术支持。

　　

　　玉米种植

　　 8. 基于三维数字化的小麦植株表型参数提取方法

　　科研机构：北京市农林科学院信息技术研究中心、国家农业信息工程技术研究中心数字植物北京市重点实验室、西北农林科技大学信息工程学院

　　针对小麦植株分蘖多、器官间交叉遮挡严重，难以利用图像或点云准确提取植物和器官表型的问题，团队提出了一种基于三维数字化的小麦植株表型参数提取方法。

　　基于三维数字数据的空间位置语义信息和表型参数的定义，提出了小麦植株表型参数计算方法，实现了长度、粗细、粗细等3类共11个常规可测量的表型参数。小麦植株和器官的角度。 计算。 采用丰抗13号、西农979和济麦44号3个小麦品种的人工测定提取值，分起步期、拔节期和抽穗期三个阶段进行验证。

　　结果表明，在保持植物原有三维形态结构的前提下，提取的茎长、叶长、茎粗度、茎叶角度与实测数据比较准确。 该方法可以方便、准确地提取小麦植株表型参数和器官形态结构，为小麦表型相关研究提供有效的技术支撑。

　　

　　小麦种植

　　 9.作物三维重建技术研究现状及展望

　　科研机构：东北农业大学理学院、东北农业大学工学院、东北农业大学农学院

　　为了深入总结三维重建技术在作物表型方面的研究进展，团队从作物三维重建的基本方法与应用特点、研究现状与展望三个方面进行了综述。 从作物3D重建全自动化、4D表型组成、作物虚拟生长与模拟育种、智慧农业发展等方面展望了作物3D重建技术的前景。

　　作物三维重建模型对于高通量作物表型获取、作物株型评价、植株结构与表型相关性分析等、加快新品种选育、优化田间管理等具有重要意义。