农业工程学报

作者：杨意,朱文鼎,张观康,陈章宇文,黄灿增,郑洁,李欣,杨凤玺,辜松,

关键词：图像处理, 兰花, 表型参数, 实例分割, 生成对抗网络

基金：42

传统植物表型提取方法在应对自然生长状态下的兰花时，常面临复杂环境下器官分割精度低、且难以对遮挡与弯曲变形进行高保真形态生成恢复等问题。为应对这些挑战，该研究提出一种基于MAS-YOLO与Pix2PixHD-CA的兰花器官提取与生成恢复的方法。首先，基于YOLO11s-seg融合MobileNetv4、自适应空间融合(adaptive spatial fusion, ASF)模块及多层次特征融合（spatial dynamic integration，SDI）模块构建MAS-YOLO模型，以解决复杂背景下的精准分割兰花器官的难题；其次构建Pix2PixHD-CA模型，在Pix2PixHD生成模型中引入坐标注意力(coordinate attention, CA)，旨在优化花朵器官局部结构失真，并生成至完整展平形态的映射，进一步提升表型参数的提取精度。试验结果表明，相较于基线模型，MAS-YOLO模型的F1分数提升至0.962，参数量降至8.95 M。利用Pix2PixHD-CA生成展平兰花器官图像，提取的长、宽、面积表型参数与真实值的italic>R/italic>su2/su分别为0.928、0.895和0.937，RMSE分别为1.45 mm、0.25 mm和14.87 mmsu2/su。相比改进前，italic>R/italic>su2/su分别提升8.79%、1.59%和3.65%，RMSE分别降低3.97%、16.66%和23.34%。实地测试中各参数italic>R/italic>su2/su均保持在0.877以上。该方法可精准提取自然环境下的兰花器官表型参数，为复杂形态植物表型研究提供方法借鉴。/

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