2025年3月,美国Jason DeBruin等人在communications biology期刊发表了名为“Breaking the field phenotyping bottleneck in maize with autonomous robots”的文章。该文章介绍了一种全自动机器人(TerraSentia)在玉米田间表型分析中的应用，旨在突破传统表型数据采集的瓶颈。机器人搭载低成本传感器，运用计算机视觉算法，实现对玉米冠层数据的高效采集与分析，能够快速获取株高、茎粗、叶面积指数等影响玉米产量的关键指标。

关键技术解析：

株高：基于激光雷达(LiDAR)提取提取株高。

穗高：利用目标检测算法在RGB图像中定位玉米穗，结合激光雷达数据计算节点高度。

茎直径：通过Mask R-CNN模型分割RGB图像，结合激光雷达数据计算茎直径。

叶面积指数：鱼眼镜头相机结合Miller积分公式估算冠层透光率。
实验团队基于搭载多传感器(LiDAR、摄像头、鱼眼镜头等)的TerraSentia机器人在5年内覆盖美国和加拿大的142个研究地点，对近20万个玉米实验单元进行了数据采集，所采集的数据与传统测量方法高度一致(R²>0.87)，展示了其在不同环境下的可靠性和准确性。
研究表明氮肥和种植密度对玉米的叶面积指数、株高和茎粗存在显著影响。如：高密度导致株高、茎粗降低，但提升叶面积指数。
研究发现氮肥利用效率与作物产量性状之间存在关联。氮肥利用效率与叶面积指数呈强正相关(R²=0.957)。此外，机器人展现出预测茎秆生物量的潜力，通过建立的预测模型，可减少90%的人工测量时间

氮肥对作物产量的影响，不仅取决于氮肥自身，还与环境条件(如降水等)、管理等密切相关，这些因素相互影响，共同决定了氮肥对产量的影响效果。
氮肥对作物产量的影响，不仅取决于氮肥自身，还与环境条件(如降水等)、管理等密切相关，这些因素相互影响，共同决定了氮肥对产量的影响效果。