近日，我校智能制造学院教师张刚（第一单位/第一作者）在国际学术期刊《Computers and Electronics in Agriculture》（中科院1区TOP期刊（农林科学），IF：7.367）上发表了题为《High-throughput extraction of individual plant height in rapeseed based on LiDAR-Camera data fusion》的研究论文。该研究提出了一种基于雷达与相机数据融合的高通量油菜个体株高提取方法，实现了从两叶期至开花期多生长阶段下油菜株高的精准、高效测量，为作物育种表型分析提供了可靠的技术支撑。合作单位为安徽农业大学，研究得到了国家自然科学基金(32372003)、安徽省教育厅优秀青年人才项目(2022AH030090)、安徽科技学院横向科研项目(881709)等资助。

该研究依托自主研发的田间桁架式表型平台，采集了120个不同基因型油菜在6个关键生长阶段的LiDAR点云与RGB图像数据。研究团队创新性地将改进的目标检测算法与LiDAR-Camera空间融合技术相结合，实现了单株油菜的精准识别与点云分割；进一步采用布料模拟滤波算法拟合被冠层遮挡的地面点云，有效解决了传统方法在苗期和后期冠层封闭阶段难以准确提取株高的难题。实验结果表明，该方法在全生育期内对油菜单株检测的平均精度均值达0.902，株高提取结果与人工测量值高度一致（R? = 0.997，RMSE = 1.156 cm）。尤其在苗期株高低于20 cm时，仍能保持R? = 0.980、RMSE = 0.651 cm的高精度。此外，研究还发现越冬期冷胁迫引起的株高变化与最终株高呈显著正相关，揭示了该方法在解析基因型与环境互作方面的潜力。

该研究构建的“图像检测-点云融合-地面拟合”一体化株高提取流程，突破了传统点云聚类与三维深度学习方法在复杂田间环境下的应用瓶颈，为作物高通量表型分析提供了一套可复制、可推广的技术体系。研究成果不仅为油菜育种提供了精准的表型数据支持，也为其他作物在多生长阶段、多环境条件下的表型采集与遗传解析提供了新思路，体现了农机-农艺-农信融合。（特约通讯员：张立亮 审核：乔印虎 李同杰 姚勇 胡文靖 编辑：李锦）