设施农业是突破自然气候限制、实现农产品周年均衡供应的核心途径。日光温室凭借低成本、高能效的优势，已成为我国北方冷凉地区蔬菜生产的主导平台。黄瓜是日光温室种植面积最广、经济价值最高的蔬菜作物之一，其冠层三维结构直接决定冠层光截获效率、光分布格局与光合效能，对产量形成、品质提升与资源利用效率至关重要。
地面激光扫描（Terrestrial Laser Scanning，TLS）能够非接触式获取作物冠层高密度三维点云，是实现冠层结构数字化解析的核心技术手段。然而，日光温室封闭环境与高密种植模式下，黄瓜冠层枝叶重叠严重、植株间黏连显著，传统点云分割算法普遍存在精度不足、鲁棒性差、过分割与欠分割频发等问题，难以满足植株-叶片尺度的精细分割需求，成为制约黄瓜三维表型精准解析与温室智能管理的关键瓶颈。
针对上述行业痛点，本研究提出一种黄瓜冠层三维点云层级精细分割框架——Cuc-HiSeg，实现了从群体到单株、再到叶片的全链条高精度分割，为高密度重叠黄瓜冠层点云处理提供了全新解决方案，并从以下三个维度实现了技术突破：（1）提出融合k维树（k-Dimensional Tree，KD-Tree）优化与均值漂移二次聚类的HDBSCAN改进算法，解决高密冠层下植株黏连、邻株误分割问题。三个生育期植株分割F1值最高达95.3%，较传统算法最高提升8.0%。（2）构建黄瓜叶片专用点云数据增强算法——CuLeafExpander。通过尺度变换、角度旋转、边缘扰动等策略扩充数据集，显著缓解三维标注样本稀缺难题，使深度学习模型分割F1值提升5.6%–6.4%。（3）研发结合形态学优化与K-Means++二次分割的改进区域生长算法，有效克服叶片重叠与点云缺失干扰，叶片实例分割F1值最高达95.0%，在结果期复杂场景下仍保持93.9%的高精度。经实测验证，该方法在苗期、开花初期、结果期均表现出优异的稳定性与适应性，可高效完成日光温室黄瓜冠层点云的高精度解析，为三维表型数字化提取、冠层光环境模拟与数字孪生构建提供核心技术支撑。本研究构建的Cuc-HiSeg分割框架，成功突破了高密度、高重叠、高黏连场景下温室黄瓜点云精细分割的技术瓶颈，实现了从群体到器官的层级化精准解析，不仅填补了设施黄瓜三维点云智能化处理的技术空白，也为其他设施作物的点云解析与表型精准鉴定提供了可复用的方法范式。
未来，团队将进一步推进算法轻量化与平台化部署，结合多光谱、热红外等多源数据，构建作物生长多维感知系统，并与三维高斯渲染、数字孪生等前沿技术深度融合，为设施农业精准管控、智能决策与数字化升级提供持续技术支撑。马韫韬，中国农业大学土地科学与技术学院教授、博士生导师，长期致力于植物功能-结构-环境互作系统模拟与数字孪生、三维植物表型、农业人工智能、多源传感器融合及数字农业研究。主持国家自然科学基金、北京市智慧农业创新联盟等多项课题，在领域内权威期刊发表多篇高水平论文，研究成果紧密围绕设施农业智能化、数字化关键技术，服务于我国现代农业高质量发展。H. Wang, J. Li, M. Hou, and Y. Ma, Research on a fine segmentation algorithm for 3D point clouds of high-density overlapping cucumber canopies in solar greenhouses, Int. J. Intell. Control Syst., 2026, 31(2), 137–148.https://www.ijics.cn/article/322
10个月宝宝每天需要喝多少奶粉？
