一种基于桁架结构的田间表型分析平台，结合北斗卫星定位技术，用于对多生长阶段的单株油菜进行原位监测

《Computers and Electronics in Agriculture》：A truss-type field phenotyping platform combining Beidou georeferencing for in-situ monitoring of individual rapeseed in multi-growth stage

　　

吴振超|王宇|白子翔|李学青|戴振|张宽燕|杨洋|栾轩|张富贵|刘璐|王晓乐|张刚|陈立青|杨洋

安徽农业大学工程学院，中国合肥230036

摘要

在田间种植的油菜中，自动收集多时相表型特征对于现代育种至关重要，但在密集种植和冠层重叠的情况下仍然具有挑战性。我们开发了一种基于北斗地理参考技术的桁架式表型分析平台，该平台结合了RGB、LiDAR和多光谱传感器，能够实现对单株植物的精确、经济高效的原位监测。基于YOLOv11n的植物质心定位方法平均精度达到88.2%，平均定位误差为9.3像素（约0.011米）。从点云中提取的植物高度具有厘米级的准确性，并与手动测量结果高度相关（R² = 0.9498，RMSE = 0.0217米，MAE = 0.0196米，RPD = 3.6360）。就效率而言，处理包含30株植物（1.2 MB，80,000个点）的样地大约需要4秒。平台验证显示定位精度为0.02米，运动控制可靠，平均延迟为36.1毫秒。与商业桁架系统相比，所提出的平台成本降低了80%以上，同时保持了高精度和高吞吐量。这些结果突显了其在油菜及其他密集作物大规模育种试验中的潜在应用价值。

引言

在田间不同生长阶段获取油菜的表型特征（如植物高度、生物量等）是育种的关键任务之一，这迫切需要自动化方法来提高效率。表型收集通常依赖于人工测量，这种方法耗时且劳动强度大（Gu等人，2024年；Jiang和Li，2020年；Zhao等人，2023年）。此外，人工方法往往难以捕捉到大面积试验田中油菜生长的动态变化，导致数据集不完整或不一致（Tan等人，2022年；Liu等人，2024年；Yuan等人，2018年）。传感技术和自动化的进步为改进表型收集提供了新的机会（He等人，2022年；Lin和Guo，2021年；Shang等人，2022年；Wu等人，2021年）。配备有各种传感器（如红绿蓝（RGB）相机、LiDAR和高光谱设备）的高通量表型分析平台在田间研究中得到了越来越广泛的应用（Li等人，2020年；Wang等人，2024年；Jia等人，2024年）。与传统方法相比，这些平台能够以高精度和更快的速度在现场捕捉作物的多种特征。因此，设计这样的平台以确保全面和可扩展的表型收集具有重要意义。

现有的自动化作物表型分析平台包括无人地面车辆（UGVs）、无人机（UAVs）和桁架系统（Rui等人，2024年；Solimani等人，2024年；Veramendi和Cruvinel，2024年；Li等人，2023a；Li等人，2023b）。UGVs能够进行近距离数据采集，但在非结构化环境中面临挑战（Li等人，2020年）。UAVs效率高，可以减少地面干扰，尽管螺旋桨产生的气流可能会干扰叶片并影响测量精度（Wang等人，2023年）。桁架平台可以集成RGB、LiDAR和多光谱传感器，实现精确的近距离无人表型分析（Zhang等人，2024年；Fan等人，2023年；Zhuang等人，2024年）。然而，大多数现有的桁架系统成本较高，且依赖于机械编码器进行定位，这凸显了需要一种更经济、更精确的基于桁架的表型分析系统。除了成本外，表型特征提取的精度和处理速度对于实际应用也至关重要，因为它们直接影响大规模育种试验的可靠性和吞吐量。

在植物高度测量方面，现有的表型分析平台已经取得了令人鼓舞的结果。例如，基于龙门架的系统如Field Scanalyzer表现出很强的可靠性，其冠层高度测量的决定系数（R²）为0.99，均方根误差（RMSE）为0.0188米，与手动测量结果相比（Virlet等人，2017年）。移动式背包LiDAR解决方案如CropQuant-3D进一步提高了吞吐量，能够在20-25分钟内完成486个样地的扫描，同时保持厘米级的精度（Zhu等人，2021年）。这些研究共同表明，在提高精度或效率方面取得了显著进展。同时，它们也表明需要继续努力设计能够在不同作物条件下平衡这两方面的平台，这对于油菜等密集作物的育种试验尤为重要。

为了解决这一限制，通常用于农业机械中的集成导航系统在嵌入桁架平台时提供了一个有前景的替代方案。Bakker等人（2011年）开发了一种基于集成导航系统的田间甜菜自动平台，该平台的最大横向误差仅为0.035米。Lin等人（2020年）为水稻移栽机的导航系统开发了一种植物行检测算法，与经典算法相比，横向距离误差减少了62%。尽管导航系统在农业中得到广泛应用，但它们在桁架平台中的使用仍然较少，尽管它们有潜力为作物表型收集提供精确的位置信息（Zhang等人，2022年）。现有的表型分析平台主要采用机械编码器进行定位，这通常意味着较高的成本（Du等人，2021年；Zhuang等人，2024年；Li等人，2019年）。因此，为桁架平台配备组合导航系统以获得精确位置似乎是一种更经济的方案。

每株植物的精确位置可以用于在整个生长周期内进行原位数据收集，当相邻植物的叶片重叠时，这很难实现。在生长早期阶段（幼苗期），植物的叶片通常不会重叠，这使得识别单株植物并区分它们变得更加容易（Jin等人，2017年；Wu等人，2023年）。Li等人（2021年）提出了一种以幼苗叶尖为终点的骨架式幼苗尖端检测算法，对于机械移栽的杂交水稻幼苗，整体检测精度达到了93.5%。在农业表型分析研究中，准确获取单株植物的表型有助于更好地了解基因型和环境对表型的影响。在中后期生长阶段的植物，叶片通常会重叠，这使得准确收集单株植物的数据变得具有挑战性（de Medeiros等人，2020年；Stubbs等人，2023年）。例如，油菜不仅是一种全球重要的油料作物，而且具有独特的监测挑战：它通常在高密度下种植，后期叶片严重重叠，并且对霜冻压力非常敏感。这些因素使得原位多阶段监测特别困难，因此开发专门的解决方案至关重要。然而，同一植物在不同生长阶段的根位置保持不变（Bolouri等人，2024年；Shahid等人，2024年）。因此，可以根据作物植物在早期生长阶段的根位置来对应不同生长阶段的数据。

近期田间表型分析平台的进步突显了在油菜等作物中自动化收集多时相表型特征的经济高效解决方案的迫切需求。虽然现有系统通常依赖于机械编码器定位或人工干预，但这些方法存在制造成本高、可扩展性有限以及在重叠生长阶段跟踪单株植物方面的挑战。此外，尽管在提高测量精度或计算效率方面取得了进展，但在大规模田间试验中实现两者之间的平衡仍然具有挑战性。为了解决这些限制，本研究设计了一种基于北斗地理参考技术的桁架式田间表型分析平台，用于在整个生长周期内对单株油菜进行原位监测。该平台的机械结构和控制算法已经设计完成，并配备了集成导航系统、北斗定位模块、LiDAR、工业相机和其他设备，以从油菜试验田中收集多模态数据。本研究不仅旨在降低成本，还强调了保持特征提取的准确性和效率。评估了该平台的原位收集性能，包括定位精度、网络性能和植物位置精度，以确定其是否满足油菜育种的数据收集要求。还进行了一个案例应用和分析，重点关注在整个生长周期内对油菜高度进行原位监测。最后，从成本方面对该平台与其他平台进行了比较。

章节片段

收集平台的硬件设计

这种结合北斗地理参考技术的桁架式田间表型分析平台用于多生长阶段油菜的单株原位监测（以下简称收集平台），在中国皖东综合试验站建造（纬度：32° 45′ 20.6″ N，经度：118° 6′ 55.9″ E）。如图1(a)所示，收集平台的桁架长度和宽度分别为60米和12米。这些总体尺寸是根据试验场的限制确定的

收集平台的重复定位精度

收集平台的重复定位精度呈正态分布，满足数据收集的要求。如图7(a)所示，安装传感器的设备能够按顺序移动到目标样地。从编号001到034的样地，传感器安装的设备依次移动并进行了两次试验以观察性能。两次试验的定位结果根据手动指定的目标显著重叠

讨论

对所提出的表型分析平台的全面评估表明，该平台具有功能上的稳健性和田间适用性。该平台在定位方面实现了可靠的重复性、一致的实时通信以及在现实条件下的准确作物中心识别。这些核心能力为可扩展的高通量田间表型分析奠定了基础。可扩展性和适用性：所提出的系统是模块化的——通过添加

结论

本研究提出了一种经济高效的油菜原位表型收集平台，展示了高定位精度和可靠的实时数据传输能力。通过将每个边界框的中心定义为幼苗期的植物中心，该平台能够可靠地进行多生长阶段油菜的单株原位监测。与基于机械编码器的收集平台相比，基于集成导航系统的平台是一种更经济的解决方案

CRediT作者贡献声明

吴振超：撰写——原始草稿、研究、数据整理。王宇：撰写——审稿与编辑、方法论。白子翔：撰写——审稿与编辑、方法论。李学青：撰写——审稿与编辑、方法论。戴振：撰写——审稿与编辑、方法论。张宽燕：撰写——审稿与编辑、方法论。杨洋：撰写——审稿与编辑、方法论。栾轩：。张富贵：撰写——审稿与编辑、方法论、数据整理。刘璐：撰写——审稿与

利益冲突声明

作者声明他们没有已知的可能会影响本文所述工作的竞争性财务利益或个人关系。

致谢

本研究得到了国家自然科学基金[资助编号32372003]、安徽省教育厅[资助编号 2022AH030090]以及安徽农业大学的科学研究启动基金[资助编号 rc412405]的支持。