农业工程学报

作者：刘开东,曹先林,张金凯,柴子凯,宁纪锋,杨蜀秦,

关键词：无人机, 遥感, 作物高度模型, 小麦冠层分割, 株高估计, 表型监测

基金：42

株高是表征作物生长状况、产量预测及进行精准管理的重要表型性状，小麦的株高监测在田间精准管理和育种栽培中具有重要科学与应用价值。该研究基于SegFormer模型，提出了一种基于双分支特征编码和多尺度特征融合解码的小麦冠层分割方法，并基于分割掩膜构建小麦高度自动估计系统。首先，在分割模型的编码器部分，采用CNN细节分支与Transformer语义分支并联结构，增强局部纹理特征和全局上下文特征的协同表达能力。其次，在解码器部分，通过逐步上采样与跳跃连接机制，实现对多尺度特征的高效融合，有效提升空间信息恢复能力与边界细节建模能力。最后，结合分割结果和作物高度模型，对180个样本小区从分蘖期至开花期的小麦冠层高度进行了估计与验证。试验结果表明，改进模型在分割任务中平均交并比（mean intersection over union，mIoU）、平均像素准确率（mean pixel accuracy，mPA）和像素准确率（pixel accuracy，PA）分别达到80.92%、89.42%和90.07%，均优于原始SegFormer模型。高度估计结果与田间实测值的决定系数（coefficient of determination，italic>R/italic>su2/su）为0.985，均方根误差（root mean square error，RMSE）为0.73 cm，相对均方根误差（relative RMSE，rRMSE）为2.41%。研究结果表明，该研究方法能够高效、准确地提取小麦冠层空间分布及株高信息，为冬小麦生长动态监测、田间表型研究及精准农业应用提供了可靠的技术支撑。/

来源：2026年第7期

《农业工程学报》期刊编辑部

查看农业工程学报杂志2026年第7期