.png){kind=icon}
返回
Corn stalk diameter estimation using deep learning
.png){kind=icon}
OA
AI
DOI：10.1007/s11119-026-10430-w.png)
.png){kind=icon}
.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
目的：准确测量玉米茎秆直径对于评估植株健壮性、抗倒伏性和收获性能至关重要，但自动化测量在变化作物条件下的应用仍具挑战性。本研究评估了基于地面的立体视觉系统能否在整个生长季节（从中夏至衰老期）可靠地估算茎秆直径。方法：在自主地面机器人上部署了一套使用双AR0234全局快门相机的立体视觉流程。YOLOv8提供茎秆定位和姿态校正，BoT-SORT实现多帧跟踪，U-Net分割结合边缘掩码策略在部分遮挡下提取茎秆边界。重复的逐帧宽度估计经过滤波，并利用视差校准转换为物理尺寸。视觉估计结果与垂直卡尺测量值进行比较。结果：在中夏条件下，叶片干扰最小，系统实现了1.1–1.5 mm的平均绝对误差（MAE）和0.90的r²值。在晚季衰老期，叶鞘扩张和遮挡导致直径系统性高估并降低精度。应用季节性偏移量约3.8 mm后，MAE降至约1.3 mm，但相关性仍较微弱（r² ≈ 0.41）。独立人工测量也表现出变异性，评分者间r² ≈ 0.77，平均差异约1.0 mm。结论：在适宜冠层条件下，立体视觉可提供准确、非接触的玉米茎秆直径测量，且在整个作物生命周期内仍具可行性。然而，稳健的晚季表型分析需要改进叶鞘和遮挡的建模，并采用更可靠的地面实况测量方法。
Keyword:
Corn Stalk
Detection
Tracking
Computer Vision
Segmentation
AI总结
对已上传原文的论文进行重点信息的提取，主要内容包括：简要概述、研究摘要、背景介绍、关键亮点、图文解析、展望与总结。
期刊
IF:
6.6
论文数:
1.4K
被引数:
6.3K
机构
引用论文
Automatic morphological trait characterization for corn plants via 3D holographic reconstruction基于三维全息重建的玉米植株形态特征自动表征
PREAI
分享收藏Detection of maize stem diameter by using RGB-D cameras' depth information under selected field condition在选定的田间条件下利用rgb-d相机深度信息检测玉米茎粗OAAI
OAAI分享收藏Measuring Stem Diameter of Sorghum Plants in the Field Using a High-Throughput Stereo Vision System
PREAI
分享收藏Field-based architectural traits characterisation of maize plant using time-of-flight 3D imagingOAAI
OAAI分享收藏Calculation Method for Phenotypic Traits Based on the 3D Reconstruction of Maize Canopies.png)
SENSORSOAAI
SENSORSIF3.5
OAAI分享收藏 没有更多内容
没有更多内容