准确分割南瓜苗点云中的植物器官对于自动化植物表型分析至关重要，同时也是提高栽培效率和优化育种策略的关键。南瓜苗点云中器官的分割面临着叶片重叠、茎叶边界不清晰以及叶片和茎的形态多样性等挑战。为解决这些问题，本文提出了一种高精度南瓜苗点云器官分割网络，并首次构建了南瓜苗点云器官分割的标注数据集。首先，为了应对叶片重叠和茎叶边界模糊带来的困难，我们提出了融合双线性特征提取器（FBFE）。该方法通过双线性操作结合局部和全局特征，精确捕捉重叠叶片和茎叶交界处的微小特征差异。其次，为了解决叶片和茎之间形态多样性的问题，我们引入了自适应多尺度特征融合模块（AMSF）。该模块能够在不同尺度上自动调整特征融合策略，有效整合不同层次的信息，增强模型处理形态多样性和捕捉细节的能力。最后，我们提出了切比雪夫粒子雪崩优化器（CPSAO）来优化学习率，从而提高模型的收敛速度和分割精度。实验结果表明，FACNet在南瓜苗点云分割数据集上的mIoU达到95.06%、mPrec为96.87%、mRec为98.02%、mF1为97.44%。与常见的点云分割模型相比，FACNet在南瓜苗点云器官分割中展现了更高的精度和稳定性。