河南农业大学青年教师以第一作者身份在一区Top期刊上发表研究论文

本研究针对光学遥感技术在中高冠层覆盖条件下易受植被指数饱和影响、监测效果下降的问题，提出了一种无人机（UAV）与地面无人车（UGV）协同的多视角感知策略。研究目的是结合自主设计的深度学习模型MSRNet，实现对玉米12个关键物候期的精准识别，为作物育种中的高通量表型监测提供创新解决方案。通过利用UGV采集冠层内部图像分析雌穗特征，以及UAV采集冠层顶部图像提取叶片和雄穗特征，团队开发了多模态深度学习框架MSRNet，融合多源特征进行识别。结果表明，该模型在V2-R6阶段的识别准确率达84.5%，较传统方法提升3.8%-13.6%，并能根据生长阶段动态调整注意力机制，在营养生长期聚焦叶片特征，在生殖生长期转向果穗特征。