基于光譜重建的復雜田間環境下無人機影像植被分割方法研究
Plant Phenomics | 貴州大學基于光譜重建的復雜田間環境下無人機影像植被分割
對植被遙感圖像進行分割可以最大限度地減少背景干擾，從而實現對植被信息的有效監測和分析。然而，植被分割在復雜環境條件下仍面臨諸多挑戰，尤其是在數據獲取成本和標注工作方面。傳統的光譜數據采集設備價格昂貴，且數據標注過程耗時費力。因此，開發一種低成本、高效的植被分割方法顯得尤為重要。
2025年3月，Plant Phenomics 在線發表了貴州大學SAMLAB團隊題為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）圖像植被分割弱監督方法。該方法創新性地通過深度學習技術將田間采集的無人機RGB影像重建為光譜圖像，并針對重建圖像設計了融合和分割策略，從而實現復雜田間環境下的植被分割。相較于傳統方法，本研究顯著降低了數據獲取和標注成本，為精準農業中的植被監測提供了新的技術路徑。
在方法實現上，研究團隊開發了兩種深度學習模型——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。通過結合植被指數理論，本研究設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，在無需人工標注的情況下實現準確的植被分割。實驗表明，該方法在真實田間數據集上實現了0.853的平均交并比（MIoU），表現出優越的性能。除此之外，研究團隊還開源了田間無人機圖像數據集，為相關研究提供數據支撐。
圖2植被分割效果圖
研究團隊介紹
貴州大學SAMLAB團隊，于2021年9月由王崎老師創建，隸屬貴州大學，自成立起，團隊主要聚焦人工智能多模態感知，并將其應用到農業相關任務。目前正依托綠色農藥全國重點實驗室，公共大數據國家重點實驗室，一帶一路聯合實驗室，貴州大學的三個國家級平臺開展交叉方向研究。團隊科研主要以多模態技術為核心，一方面開展純計算機多模態感知方向研究，另一方面，在綠色農藥全國重點實驗室郝格非教授的指導下，開展針對農作物生產過程中的細分任務，如病害診斷與用藥、田間作物表型監測、多源遙感監測等領域的科學研究，將開發的多模態方法應用到這些任務。目前團隊發表SCI 1區論文30余篇，主持承擔國家級及省部級項目15余項，獲發明專利20余件，團隊負責人王崎老師領銜的“復雜環境下農業病蟲害的多模態大數據精準鑒定技術研究”獲得了2024數博會十大領先科技成果。
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 | 華中農業大學開發了基于無人機平臺的大田作物表型數據提取和分析平臺
Characterization and Identification of NPK Stress in Rice Using Terrestrial Hyperspectral Images
https://doi.org/10.34133/plantphenomics.0197
Plant Phenomics 精選2024 | 東北農業大學利用近端成像光譜對水稻NPK脅迫進行特征化及鑒別
加入作者交流群
掃碼添加小編微信，拉您進入《植物表型組學》作者交流群，群內不定期開展作者分享會、專刊發布會等高質量活動。
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》（Plant Phenomics）是由南京農業大學創辦的英文學術期刊，于2019年1月正式上線發行。采用開放獲取形式，刊載植物表型組學交叉學科熱點領域具有突破性科研進展的原創性研究論文、綜述、數據集和觀點。具體范圍涵蓋高通量表型分析的最新技術，基于圖像分析和機器學習的表型分析研究，提取表型信息的新算法，作物栽培、植物育種和農業實踐中的表型組學新應用，與植物表型相結合的分子生物學、植物生理學、統計學、作物模型和其他組學研究，表型組學相關的植物生物學等。期刊已被DOAJ、Scopus、PMC、EI和SCIE等數據庫收錄。科睿唯安JCR2023影響因子為7.6，位于農藝學一區（1/125名），植物科學一區（13/265名），遙感一區（6/62名）。2025年中科院期刊分區位于農林科學大類一區、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》編輯部負責組稿。
中文內容僅供參考，一切內容以英文原版為準。
特邀作者：裴之蕈、王崎
編輯排版：王平、薛楚凡（浙江大學）
審核：尹歡、孔敏
