基于光譜重建的復(fù)雜田間環(huán)境下無人機影像植被分割方法研究

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

對植被遙感圖像進(jìn)行分割可以最大限度地減少背景干擾，從而實現(xiàn)對植被信息的有效監(jiān)測和分析。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)備價格昂貴，且數(shù)據(jù)標(biāo)注過程耗時費力。因此，開發(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）的無人機（UAV）圖像植被分割弱監(jiān)督方法。該方法創(chuàng)新性地通過深度學(xué)習(xí)技術(shù)將田間采集的無人機RGB影像重建為光譜圖像，并針對重建圖像設(shè)計了融合和分割策略，從而實現(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)測提供了新的技術(shù)路徑。

在方法實現(xiàn)上，研究團(tuán)隊開發(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制，能夠從普通的RGB圖像中重建出光譜圖像。通過結(jié)合植被指數(shù)理論，本研究設(shè)計了重建圖像融合分割策略，該策略能夠自動提取具有判別性的植被特征，在無需人工標(biāo)注的情況下實現(xiàn)準(zhǔn)確的植被分割。實驗表明，該方法在真實田間數(shù)據(jù)集上實現(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)隊還開源了田間無人機圖像數(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)隊介紹
貴州大學(xué)SAMLAB團(tuán)隊，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)藥全國重點實驗室，公共大數(shù)據(jù)國家重點實驗室，一帶一路聯(lián)合實驗室，貴州大學(xué)的三個國家級平臺開展交叉方向研究。團(tuán)隊科研主要以多模態(tài)技術(shù)為核心，一方面開展純計算機多模態(tài)感知方向研究，另一方面，在綠色農(nóng)藥全國重點實驗室郝格非教授的指導(dǎo)下，開展針對農(nóng)作物生產(chǎn)過程中的細(xì)分任務(wù)，如病害診斷與用藥、田間作物表型監(jiān)測、多源遙感監(jiān)測等領(lǐng)域的科學(xué)研究，將開發(fā)的多模態(tài)方法應(yīng)用到這些任務(wù)。目前團(tuán)隊發(fā)表SCI 1區(qū)論文30余篇，主持承擔(dān)國家級及省部級項目15余項，獲發(fā)明專利20余件，團(tuán)隊負(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)開發(fā)了基于無人機平臺的大田作物表型數(shù)據(jù)提取和分析平臺
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)不定期開展作者分享會、專刊發(fā)布會等高質(zhì)量活動。

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。采用開放獲取形式，刊載植物表型組學(xué)交叉學(xué)科熱點領(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。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)庫收錄�？祁Ｎò睯CR2023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年入選中國科技期刊卓越行動計劃高起點新刊項目、2024年入選江蘇科技期刊卓越行動計劃領(lǐng)軍期刊項目、中國科技期刊卓越行動計劃二期英文梯隊期刊。

說明：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