基于分层3D场景图的语义度量SLAM技术，在智能水培系统中用于植物检测和果实计数

《IEEE Internet of Things Journal》：Hierarchical 3-D Scene-Graph-Based Semantic-Metric SLAM for Plant Inspection and Fruit Counting in Intelligent Hydroponics System

垂直农业与多模态技术融合提升粮食生产效率，研究提出基于3D场景图的三维时空建模方法优化植物生长监测，结合IoT传感器网络与移动机器人实现动态环境调控，通过误差传播模型降低检测误差，构建闭环控制系统支持可持续发展。

　　

摘要：

物联网（IoT）、机器人技术和人工智能（AI）的协同发展正在重塑跨学科实验室和工业生态系统的科技范式。基于物联网的垂直农业系统展现出显著优势：与传统农业相比，它们在提高产量的同时减少了碳排放，从而为可持续食品生产提供了创新解决方案。机器人技术的进步进一步拓展了移动智能传感器在垂直农业物联网网络中的应用范围。本研究基于一个集成了无人机（UAV）、传感器和模块化垂直农业单元的自主农业系统，提出了一种基于3D场景图（3DSG）的分层映射方法，用于动态监测植物和果实的生长情况。通过反馈机制，系统通过调整光照和营养供应来优化生长条件；分层映射架构减少了检测误差，并实现了全面的3D可视化。本研究的主要贡献包括：1）率先应用3DSG技术，建立了多维时空表示模型，用于描述植物生长过程，支持可解释的分析和可追溯的监测；2）通过系统分析各种常见传感器组合来建立误差传播模型，并将这些模型整合到3D物体姿态估计算法中，突显了分层抽象层次的必要性；该系统通过仿真和实际实验得到了验证，为物体姿态估计提供了定量评估；3）提出了一种由物联网驱动的智能垂直农业架构，该架构整合了移动机器人感知网络和环境调节设备，实现了植物生长参数的动态采集和闭环控制。

显示更多

引言

在当前人口增长和气候变化的双重压力下，粮食安全对香港和新加坡等高密度地区来说已成为一个尤为紧迫的挑战。智能农业借助多模态技术集群（包括大型语言模型（LLM）、机器人技术和物联网（IoT）的力量，正在从根本上重塑农业生产系统。通过感知、分析、决策和执行的四维协同作用，构建了一个闭环系统，涵盖了数据收集、智能决策、精确执行和反馈评估等环节。这一创新不仅克服了传统农业中资源效率的瓶颈，还为可持续发展建立了科学范式。在这一新的科学仪器生态系统的推动下，农业和食品产业与联合国可持续发展目标[1]保持一致，为土地和资源受限地区的粮食安全问题提供了技术解决方案。