研究目的
为探究四种不同RGB-D传感器在近距离户外农业表型分析任务中的适用性，包括在不同条件下测量植物属性和进行物体检测。
研究成果
英特尔D435传感器在户外农业表型分析的填充率、深度质量和尺寸估算精度方面表现优于同类产品，适用于无人机系统等低重量、高能效应用场景。微软Kinect II虽具竞争力但能耗更高。英特尔SR300仅限近距离使用，而奥比中光Astra S在户外表现欠佳。深度信息可提升物体检测效果，开发的玉米茎秆宽度估算应用展现出良好前景（均方根误差1.58毫米）。
研究不足
该研究仅限于近距离户外环境（1.5米以内）和特定对象（玉米植株、番茄、球体）。传感器之间可能存在相互干扰（例如Kinect II和SR300）。深度信息填充率因物体类型和光照条件而异，且由于样本量原因，统计显著性并非总能达到。实际应用中可能因田间环境的遮挡物而受到限制。
1：实验设计与方法选择：
开展户外实验评估四款RGB-D传感器（微软Kinect II、奥比中光Astra S、英特尔SR300、英特尔D435）的表型分析性能。通过不同距离和光照条件下的植物性状测量，结合统计分析与深度学习模型进行目标检测与尺寸估算。
2：英特尔D435）的表型分析性能。通过不同距离和光照条件下的植物性状测量，结合统计分析与深度学习模型进行目标检测与尺寸估算。 样本选择与数据来源：
2. 样本选择与数据来源：选用六株幼玉米苗、两颗番茄（红/橙樱桃番茄）及两颗塑料球（绿色50毫米直径、黄色7.8毫米直径）作为测量对象。从日出至日落采集12个周期数据，环境光照使用Galaxy S8智能手机测定。
3：8毫米直径）作为测量对象。从日出至日落采集12个周期数据，环境光照使用Galaxy S8智能手机测定。 实验设备与材料清单：
3. 实验设备与材料清单：RGB-D传感器（微软Kinect II等四款）、数据采集计算机、Galaxy S8测光手机、植物栽培塑料盆及参照球体。
4：实验流程与操作规范：
传感器固定于组装架；物体按0.2米至1.5米间距依次移动放置。通过官方SDK（Kinect V2等）采集图像与深度数据，计算兴趣区域填充率，并采用Mask R-CNN深度学习模型进行目标检测与分割训练。
5：2米至5米间距依次移动放置。通过官方SDK（Kinect V2等）采集图像与深度数据，计算兴趣区域填充率，并采用Mask R-CNN深度学习模型进行目标检测与分割训练。 数据分析方法：
5. 数据分析方法：采用Levene检验、Welch单因素方差分析及Games-Howell事后检验处理填充率与误差估算，通过均方根误差(RMSE)和平均相对误差(MRAE)评估尺寸估算精度，深度学习模型以平均精度均值(mAP)作为评价指标。
独家科研数据包，助您复现前沿成果，加速创新突破
获取完整内容-
RGB-D Sensor
Microsoft Kinect II
Microsoft Corporation
Capturing RGB and depth images for phenotyping tasks, based on Time-of-Flight technology.
-
RGB-D Sensor
Orbbec Astra S
Orbbec 3D Tech. Intl. Inc
Capturing RGB and depth images for phenotyping tasks, based on structured-light technology.
-
RGB-D Sensor
Intel SR300
Intel Corporation
Capturing RGB and depth images for phenotyping tasks, based on structured-light technology.
-
RGB-D Sensor
Intel D435
Intel Corporation
Capturing RGB and depth images for phenotyping tasks, based on active stereoscopy technology.
-
Smartphone
Galaxy S8
Samsung
Measuring ambient light intensity using its ambient light sensor during the experiment.
-
Software Development Kit
Kinect V2 SDK
Microsoft
Used for capturing images and depth data from Microsoft Kinect II sensor.
-
Software Development Kit
Astra SDK
Orbbec
Used for capturing images and depth data from Orbbec Astra S sensor.
-
Software Development Kit
librealsense SDK
Intel
Used for capturing images and depth data from Intel SR300 and Intel D435 sensors.
-
Deep Learning Model
Mask R-CNN
Used for object detection and segmentation in the images captured by the sensors.
-
Deep Learning Model
Faster R-CNN
Used for stem detection in the maize stem width application.
-
登录查看剩余8件设备及参数对照表
查看全部
