温维亮副研究员团队：点云数据驱动的玉米叶片生物量估算方法 （《智慧农业（中英文）》2026年第1期）

来源：市场资讯

（来源：智慧农业期刊）

引用格式：武张斌, 何宁, 吴延东, 郭新宇, 温维亮. 点云数据驱动的玉米叶片生物量估算方法[J]. 智慧农业(中英文), 2026, 8(1): 156-166.

DOI： 10.12133/j.smartag.SA202509015

WU Zhangbin, HE Ning, WU Yandong, GUO Xinyu, WEN Weiliang. Point Cloud Data-driven Methods for Estimating Maize Leaf Biomass[J]. Smart Agriculture, 2026, 8(1): 156-166.

DOI： 10.12133/j.smartag.SA202509015

点云数据驱动的玉米叶片生物量估算方法

武张斌1，2，3， 何宁3， 吴延东3， 郭新宇1，3， 温维亮1，2，3*

（1.北京市农林科学院信息技术研究中心，北京 100097，中国； 2.沈阳农业大学 信息与电气工程学院，沈阳110161，中国； 3.国家农业信息化工程技术研究中心数字植物北京市重点实验室，北京 100097，中国）

摘要：

［目的/意义］玉米叶片干重生物量是反映植株生理过程的关键性状，可有效表征玉米生长状态。准确估算玉米叶片干重生物量，对于预测玉米产量和生产管理决策具有重要意义。传统的生物量预测研究主要集中在群体冠层尺度，缺少植株和器官尺度的干重生物量预测方法。围绕玉米栽培管理等研究对器官干重生物量信息快速获取的需求，开展基于叶片3D点云和机器学习的玉米叶片干重生物量无损测量方法研究。

［方法］本研究使用多视角三维重建、激光雷达三维扫描和3D数字化三种方式获取玉米叶片点云数据。运用随机森林、梯度提升回归树和支持向量回归三种机器学习方法，以及卷积神经网络和全连接神经网络（Fully Connected Neural Network, FCNN）两种深度学习方法进行玉米叶片干重预测，进而构建基于点云的玉米叶片干重生物量预测模型。

［结果和讨论］使用激光雷达点云数据结合FCNN方法构建的生物量预测模型精度最高，平均绝对误差为0.08 g，平均绝对百分比误差为4.60%，均方根误差为0.10 g，决定系数为0.98。

［结论］利用高分辨率的玉米叶片3D点云结合机器学习方法，可实现玉米叶片干重的高精度估算，为作物器官生物量无损测算提供新途径。

关键词： 玉米叶片；3D点云；机器学习；生物量预测；深度学习

文章图片

图1　玉米植株叶片3D和生物量数据获取流程

Fig. 1 3D and biomass data acquisition process of maize leaves

图2　玉米点云数据处理

Fig. 2 Processing of maize point cloud data

图3 玉米叶片点云数据可视化

Fig.3 Visualization of maize leaf point cloud data

图4　玉米叶片点云生物量特征重要性

Fig. 4 Importance of biomass characteristics of maize leaf point cloud

图5　玉米叶片点云特征与生物量的相关性分析热力图

Fig. 5 Correlation analysis between point cloud characteristics of maize leaves and biomass thermogram

作者介绍

温维亮 副研究员

温维亮，北京市农林科学院信息技术研究中心副研究员，主要研究方向为植物三维表型高通量获取与自动解析、植物三维重建与可视化计算。主持国家自然科学基金项目3项，参与国家自然科学基金重点项目，主持新一代人工智能国家科技重大专项课题和国家重点研发计划项目子课题；以第一和通讯作者发表论文50余篇，入选中国知网高被引学者；以第一完成人获得26项发明专利授权；参编专著2部。担任中国图学学会动漫图学专委会和中国仿真学会农业建模与仿真专委会委员，Plant Phenomics期刊副主编，中国工程院院刊Engineering期刊青年编委，Current Plant Biology、Frontiers in Plant Science等期刊客座编辑，兼任江苏大学、山东农业大学、沈阳农业大学、甘肃农业大学和北京农学院等学校硕士生导师。

来源：《智慧农业（中英文）》2026年第1期

转载请联系编辑部授权

本期支持单位

特别支持单位

支持单位