来源：期刊VIP网 时间：
作者：胡雯雯;徐识溥;周志文;刘勇;郭孝坤;安明明;马翔;王运圣;
单位：上海市农业科学院农业科技信息研究所;上海数字农业工程与技术研究中心;
摘要：提出一种基于机器视觉的大麦草自动测量模型，该模型通过智能手机采集图像，结合机器视觉算法，实现对大麦草株高、生长状态和健康度的实时、无损检测与评估。研究采用YOLO(you only look once)系列深度学习模型进行植株目标检测，结合随机森林回归算法建立作物生长参数预测模型，并提取植物形态学特征和色彩特征以评估生长阶段与健康状况，同时讨论了智能手机在植物表型监测中的应用优势与局限性。实验结果表明，基于YOLOv11与随机森林算法的组合模型，在植物工厂环境下对大麦草株高的预测性能中，决定系数R~2达0.927，平均绝对误差为0.707 cm，显著优于其他方法。该模型为大麦育种、表型组学研究和精准农业管理提供了灵活、高效、准确的植物生长监测工具，对推动农业生产智能化和大麦作物改良具有重要理论与应用价值。
关键词：机器视觉;;YOLO算法;;随机森林算法;;深度学习;;植物表型;;精准农业
基金资助：上海市农业科技创新项目（编号：2023-02-08-00-12-F04605）
