农业工程学报

作者：杨坤,王超,王斌,王鑫鑫,杨涛,刘宏权,王福顺,

关键词：图像分割, 无人机, UNet, 绿豆植株, 花期量化

基金：42

绿豆（italic>Vigna radiata/italic> L.）植株花期性状的精准量化对于作物表型分析和育种研究具有重要意义，其中花期同期性的定量表征尤为关键，直接影响群体性状整齐度及品种成熟期一致性，进而关系到育种材料的有效筛选与品种适应性的准确评价。实现花的精准分割是进行量化分析的基础，然而，由于绿豆植株存在花序结构复杂、与背景的对比度较低等问题，使得传统语义分割模型难以有效应对这些挑战。该研究基于无人机遥感平台获取绿豆植株花荚期图像，提出了一种融合双通道注意力机制（dual channel attention, DCA）和实例归一化（instance normalization, IN）的IDCA-UNet模型。该模型通过DCA动态聚合全局平均池化与最大池化特征，实现通道维度的自适应特征增强，提升模型对微小花朵的敏感度；同时引入实例归一化层，解决了小批量训练中统计量估计不稳定问题，增强模型在复杂田间场景中的泛化能力。试验结果表明，IDCA-Unet在绿豆花分割任务中性能显著优于基准模型，平均交并比（mean intersection over union, mIoU）、平均精度均值（mean average precision, mAP）和F1值（F1 score）分别达到88.95%、93.47%和93.79%，相较于基准模型（VGG16-UNet with focal loss）分别提升了1.62、1.48和0.72个百分点。基于分割结果进一步量化分析绿豆植株花荚期的动态生长规律，发现其生长曲线呈现明显的“Λ”型，表明群体开花同步性较强。该研究提出的IDCA-UNet模型通过DCA与IN的协同优化，有效提升了复杂场景下绿豆植株花的分割精度，为绿豆植株花期量化分析提供了可靠的技术支持。为作物器官级表型分析提供了具备实际跨平台应用价值的解决方案，能够为精准农业中作物生长状态的准确评估、管理决策的科学制定等提供参考。/

来源：2026年第5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5期