编辑推荐：
在作物育种中，获取油菜（Brassica napus）个体全生命周期精确株高（PH）困难重重。研究人员设计搭载 LiDAR 和北斗定位系统的平台采集点云数据，实现精准测量。该方法精度高，且能用于评估冻害和倒伏风险，助力智能农业。
在农业生产的大舞台上，油菜作为世界第二重要的油料作物，其种植成果关乎全球食用油供应。合适的株高对于油菜实现高产稳产意义非凡，过高的株高容易导致油菜在花期后根茎倒伏，影响光合作用产物积累和机械收割效率。然而，在油菜生长的中后期，其茎叶相互遮挡，使得获取精准的个体株高数据困难重重。传统的人工测量方法不仅耗费大量人力、物力，还难以满足现代精准农业发展的需求。在此背景下，为了打破这一困境，推动油菜育种和农业生产的发展，安徽农业大学的研究人员开展了一项极具创新性的研究。
研究人员精心设计并制造了一个基于轨道的平台，该平台配备了 LiDAR（激光雷达）和北斗差分定位系统，能够在田间自动收集油菜群体的时间序列点云数据。研究的关键在于利用改进的快速欧式聚类算法对油菜返青期的点云数据进行分割，通过目标函数提取根颈区域。以确定的根颈区域为中心，根据相邻植株间的距离生成自适应植株包络区域（PEA），从而分离出单个油菜样本。在每个植株根颈区域对应的 PEA 内，精准定位播种时的地面位置和不同生长阶段的冠层顶点，实现了油菜个体全生命周期株高的自动提取。
研究结果令人瞩目。在播种后 140 天、150 天和 165 天，该算法与人工测量结果的决定系数（R2）分别达到了 0.9742、0.9667 和 0.9208 ，均方根误差（RMSE）分别为 0.038m、0.043m 和 0.061m ，这充分证明了该方法具有较高的测量精度。此外，研究人员将株高数据应用于冻害和倒伏敏感性分析，发现油菜的生长速度会随着冻害严重程度的增加而减缓，花期株高达到约 1m 的植株在降雨后容易倒伏。这些成果为智能农业中的冻害评估和品种选择提供了重要的指导，对推动农业智能化发展意义重大。该研究成果发表在《Computers and Electronics in Agriculture》上。
研究人员开展此项研究用到的主要关键技术方法包括：利用搭载 LiDAR 和北斗接收器的轨道平台采集油菜群体点云数据；采用改进的快速欧式聚类算法对返青期点云数据进行分割；借助目标函数确定根颈区域，生成自适应植株包络区域（PEA）以分离单株油菜；通过定位地面位置和冠层顶点，计算植株株高。
下面详细介绍研究结果：
- 实验设计和采集平台：在安徽农业大学庐江实验站搭建了用于作物物候采集的龙门轨道平台，集成了北斗接收器和固态 LiDAR，固态 LiDAR 安装在距离地面 3.56m 处，为后续数据采集奠定基础。
- 分割和根区提取：选择品种 4FG104 返青期的二维点云进行聚类测试，对比不同聚类方法后发现 PlaneKD - FEC 分割精度最高，达到 95%，且耗时适中。将单视点云投影到 XOY 平面有助于油菜分割和根区提取。
- 根区定位用于油菜个体全生命周期株高提取：由于采集的点云缺乏密度特征，研究人员采用基于距离的欧式聚类算法，并构建 KD - Tree 提高聚类速度，实现了油菜点云的分割，为株高提取创造了条件。
研究结论表明，该研究成功开发出一种能够追踪和观测油菜个体全生命周期株高的方法，这对于油菜的育种和选种工作至关重要。通过精确测量株高，结合冻害和倒伏风险评估，有助于筛选出更适合不同环境条件的油菜品种，提高油菜产量和质量。同时，该研究成果也为其他作物的表型分析提供了新的思路和方法，推动了精准农业的发展。在未来的农业生产中，有望进一步推广应用该技术，实现农业生产的智能化和高效化，为全球粮食安全和农业可持续发展贡献力量。
