我校金沙集团1862cc成色学院关海鸥教授指导的2021级硕士研究生朱天宇以第1作者，关海鸥教授为通讯作者在中科院分区1区SCITOP ( IF:6.757 )期刊《Computersand Electronics in Agriculture》发表了题为“Acalculation method of phenotypic traits based on three-dimensionalreconstruction of tomato canopy”的研究论文。(DOI:http://doi.org/10.1016/j.compag.2022.107515，文章链接：Acalculation method of phenotypic traits based on three-dimensionalreconstruction of tomato canopy----ScienceDirect)

目前，番茄是全球栽培最为普遍的棚室作物之一，具有较高的营养和经济价值。在番茄种植管理方面，由于番茄生长形态结构较复杂，品种形态不稳定，其表型性状的检测大都采用传统的手工测量，缺乏可靠的手段实现高通量的表型数据获取。而基于番茄冠层结构快速精确重建的植株表型自动测量技术对于番茄品种选育、栽培和科学管理具有重要意义。为克服现有番茄生育进程形态-生理表型检测不够系统，传统人工测量耗时费力且极易出错，大型检测设备田间移动性差、单一视角受制于棚室环境对目标的遮挡，导致番茄表型高通量检测实现困难的问题。因此，我们提出了一种基于三维重建的番茄冠层表型性状检测方法。首先，实验以东农708品种的番茄作为实验对象，以轻便灵活的Kinect2.0传感器作为核心模块构建异源图像数据采集平台，实现了在番茄生长的关键阶段（初花期、盛花期和初果期）采集全方位的点云信息。其次，通过条件滤波和统计离群点去除（SOR）滤波去除背景和干扰噪音。然后，提取其结构特征点，并通过结合内在形状特征算法（ISS）和迭代最接近点算法（ICP）实现冠层点云空间位姿的矫正。再次，使用三维正态分布变换算法（3DNDT）实现多视角点云的精确融合配准。本研究提出的配准融合方法在模型融合精度方面平均误差为0.027，与传统的NDT算法和ICP算法相比分别减少了0.02和0.04。最后，在冠层表型性状参数提取环节，本研究使用AlphaShape算法提取番茄冠层的三维轮廓结构，通过改进的DBSCAN算法提前番茄的茎秆骨架。并且在此基础上计算了株高、冠幅和叶柄夹角。上述表型参数基于重建模型的计算值和人工测量值之间的相关系数依次为0.9615、0.809和0.9014，平均误差依次为1.38厘米、5.1°和1.92厘米。由此可见本文提出的方法可作为番茄冠层表型性状定量化的快速检测方法，为番茄品种选育、科学栽培和栽培环境调控提供重要生理指标定量化获取的技术支撑。

本研究得到了黑龙江省自然基金(LH2020C080)、黑龙江八一农垦大学三横三纵(TDJH202101)以及研究生创新科研项目(YJSCX2022-Y71)的资助。