精准农业技术是农业可持续发展的基础，而作物的田间特性研究则是实现精准农业的前提和关键。对于小麦植株，麦穗是茎杆顶端的花或者果实器官，是小麦产量的主要构成因素之一，因此麦穗密度是小麦的重要特征。麦穗数量是小麦的重要表型参数之一，其传统测量方法为人工测量，耗时耗力、效率较低。因此，为了改善小麦生产管理系统、为小麦田间长势监测提供数据支撑，急需研发高效、便捷的麦穗密度估测方法。立体观测是一项三维成像技术，可以快速量测植株的结构信息，点云分割则是研究植株三维空间特性的主要手段。本研究利用立体观测技术重建小麦三维点云，并提出了一种小麦行数聚类分析方法。首先，使用双目相机拍摄小麦视频，重建三维点云；然后，对点云进行预处理，去除噪声；利用八叉树分割算法和体素网格融合算法提取小麦密集生长区，利用聚类算法获取麦穗的点云数据；最后，利用线性回归建立麦穗点云数量和小麦植株之间的关系模型，R2可以达到0.93。本研究提出的密度估测方法为作物群体表型研究提供了新思路，也为作物无损观测奠定了应用基础。

图1 麦穗提取算法的技术流程

图2 三维点云获取系统。(a)收割机上安装的ZED2相机；(b)装有ZED2相机的收割机收获麦田；(c)实验室中的小麦样品；(d)田间的小麦植株样品

图3 ZED2相机的数据获取方案

图4 (a)实验室中的小麦植株点云；(b)田间的小麦植株点云

图5 田间小麦按行聚类分割。(a)八叉树分割；(b)基于体素网格融合的行聚类；(c)单行提取；(d)基于Quick-shift聚类算法的小麦单行分割算法

图6 田间小麦按行聚类分割后的点云数据

图7 (a)小麦密度估测结果；(b)算法估测结果与田间计数结果的比较