基于关键点检测的小麦姿态监测与分析系统：为作物生理状态非侵入式研究提供新范式

【编辑推荐】本研究创新性地将关键点检测（Keypoint Detection）技术应用于小麦姿态分析，开发出UNet-WP模型（mAP达94.72%），结合自主设计的图像采集装备（轨迹偏差<3mm），实现从抽穗期至成熟期的高通量（high-throughput）表型监测。系统成功提取穗长、叶长和叶夹角等形态参数，为小麦抗旱性（drought stress tolerance）研究提供非侵入式解决方案。

　　

Highlight

本研究开发了一套基于关键点检测的小麦姿态实时分析系统，通过优化UNet模型（升级为11关键点检测的UNet-WP版本），在嵌入式系统中实现穗长、叶长等形态参数的自动提取，为作物抗旱性研究提供创新工具。

Development of crop posture image acquisition equipment

研究团队设计了一套自动化的作物姿态图像采集设备（见图1），该设备采用轮式底盘结构，上层为图像采集平台，下层配备红外追踪传感器控制系统。测试表明，设备在0.4m/s直线行进时轨迹偏差小于3mm。

Analysis of Navigation accuracy test results

在硬质地面进行的导航测试显示，该设备在三种不同速度（0.2/0.3/0.4m/s）下的直线和转向运动均保持稳定，验证了其在高通量田间表型采集中的可靠性。

Conclusions

该系统成功实现了从小麦开花期至成熟期的连续姿态监测，优化后的UNet-WP模型平均精度达94.72%，为作物生理状态的非侵入式分析开辟了新途径。