Plant Phenomics | 贵州大学基于光谱重建的复杂田间环境下无人机影像植被分割

对植被遥感图像进行分割可以最大限度地减少背景干扰，从而实现对植被信息的有效监测和分析。然而，植被分割在复杂环境条件下仍面临诸多挑战，尤其是在数据获取成本和标注工作方面。传统的光谱数据采集设备价格昂贵，且数据标注过程耗时费力。因此，开发一种低成本、高效的植被分割方法显得尤为重要。

2025年3月，Plant Phenomics 在线发表了贵州大学SAMLAB团队题为Segmenting vegetation from UAV images via spectral reconstruction in complex field environments的研究论文。

图1 本研究的总体框架流程图

本研究提出了一种基于光谱重建（Spectral Reconstruction, SR）的无人机（UAV）图像植被分割弱监督方法。该方法创新性地通过深度学习技术将田间采集的无人机RGB影像重建为光谱图像，并针对重建图像设计了融合和分割策略，从而实现复杂田间环境下的植被分割。相较于传统方法，本研究显著降低了数据获取和标注成本，为精准农业中的植被监测提供了新的技术路径。

在方法实现上，研究团队开发了两种深度学习模型——SRCNet和SRANet，分别基于卷积和注意力机制，能够从普通的RGB图像中重建出光谱图像。通过结合植被指数理论，本研究设计了重建图像融合分割策略，该策略能够自动提取具有判别性的植被特征，在无需人工标注的情况下实现准确的植被分割。实验表明，该方法在真实田间数据集上实现了0.853的平均交并比（MIoU），表现出优越的性能。除此之外，研究团队还开源了田间无人机图像数据集，为相关研究提供数据支撑。

图2植被分割效果图

研究团队介绍
贵州大学SAMLAB团队，于2021年9月由王崎老师创建，隶属贵州大学，自成立起，团队主要聚焦人工智能多模态感知，并将其应用到农业相关任务。目前正依托绿色农药全国重点实验室，公共大数据国家重点实验室，一带一路联合实验室，贵州大学的三个国家级平台开展交叉方向研究。团队科研主要以多模态技术为核心，一方面开展纯计算机多模态感知方向研究，另一方面，在绿色农药全国重点实验室郝格非教授的指导下，开展针对农作物生产过程中的细分任务，如病害诊断与用药、田间作物表型监测、多源遥感监测等领域的科学研究，将开发的多模态方法应用到这些任务。目前团队发表SCI 1区论文30余篇，主持承担国家级及省部级项目15余项，获发明专利20余件，团队负责人王崎老师领衔的“复杂环境下农业病虫害的多模态大数据精准鉴定技术研究”获得了2024数博会十大领先科技成果。

论文链接：
‍https://doi.org/10.1016/j.plaphe.2025.100021

——推荐阅读——
IHUP: An Integrated High-Throughput Universal Phenotyping Software Platform to Accelerate Unmanned-Aerial-Vehicle-Based Field Plant Phenotypic Data Extraction and Analysis
https://doi.org/10.34133/plantphenomics.0164‍
Plant Phenomics 精选2024 | 华中农业大学开发了基于无人机平台的大田作物表型数据提取和分析平台
Characterization and Identification of NPK Stress in Rice Using Terrestrial Hyperspectral Images
https://doi.org/10.34133/plantphenom‍i‍cs.0197
Plant Phenomics 精选2024 | 东北农业大学利用近端成像光谱对水稻NPK胁迫进行特征化及鉴别

加入作者交流群
扫码添加小编微信，拉您进入《植物表型组学》作者交流群，群内不定期开展作者分享会、专刊发布会等高质量活动。

添加小编微信，备注姓名+单位+PP，加入作者交流群

About Plant Phenomics
《植物表型组学》（Plant Phenomics）是由南京农业大学创办的英文学术期刊，于2019年1月正式上线发行。采用开放获取形式，刊载植物表型组学交叉学科热点领域具有突破性科研进展的原创性研究论文、综述、数据集和观点。具体范围涵盖高通量表型分析的最新技术，基于图像分析和机器学习的表型分析研究，提取表型信息的新算法，作物栽培、植物育种和农业实践中的表型组学新应用，与植物表型相结合的分子生物学、植物生理学、统计学、作物模型和其他组学研究，表型组学相关的植物生物学等。期刊已被DOAJ、Scopus、PMC、EI和SCIE等数据库收录。科睿唯安JCR2023影响因子为7.6，位于农艺学一区（1/125名），植物科学一区（13/265名），遥感一区（6/62名）。2025年中科院期刊分区位于农林科学大类一区、TOP期刊。2020年入选中国科技期刊卓越行动计划高起点新刊项目、2024年入选江苏科技期刊卓越行动计划领军期刊项目、中国科技期刊卓越行动计划二期英文梯队期刊。

说明：本文由《植物表型组学》编辑部负责组稿。
中文内容仅供参考，一切内容以英文原版为准。
特邀作者：裴之蕈、王崎
编辑排版：王平、薛楚凡（浙江大学）
审核：尹欢、孔敏