枝叶再密也不怕！新模型精准识别单株橡胶树

橡胶树是重要的热带经济作物，其生长状况直接关系到天然橡胶的产量与品质。分割技术对于识别单株橡胶树并提取其结构参数具有重要意义，有助于提高橡胶林的管理效率和作业智能化水平。

无人机航拍的橡胶林冠层影像。受访者 供图

  ↵

然而，当前橡胶树点云分割过程中存在一定挑战。一是橡胶树枝叶结构高度重叠，枝条交错、叶片遮挡严重，导致点云形态模糊，使传统分割模型难以准确识别单株边界，易出现误分或漏分现象；二是林地背景干扰复杂，存在大量类似植物、杂草、落叶等非目标对象，容易被模型误判为橡胶树本体；三是橡胶树个体间尺寸差异显著，林区中既有幼苗也有高大成树，树体高度和冠幅差异较大，单一尺度分割方法难以适应。

橡胶林。受访者 供图

  ↵

为此，中南林业科技大学教授周国雄与中国热带农业科学院橡胶研究所研究员王祥军科研团队，联合提出了一种名为RsegNet的新模型，可有效分割橡胶树点云。7月16日，该成果在线发表于Plant Phenomics上。

据介绍，研究团队构建了一个涵盖多种生长状态和树木形态的精细标注橡胶树点云数据集，为橡胶林大范围智能管理与精准监测提供参考。团队提出的新模型在自建数据集上取得了92.6%的准确率、76.0%的平均交并比以及86.1%的F分数。

研究团队使用无人机采集橡胶树点云数据。受访者 供图

  ↵

该新模型集成了三个创新点，首先引入余弦特征提取网络，通过双向余弦相似度和动态稀疏控制，自适应地强化枝叶交叠区域的方向特征；其次构建双通道聚类模块，结合几何空间的广度优先搜索与高维语义特征的聚类，有效抑制杂草、地表等背景干扰，使单株分割更精准；最后提出动态聚类优化算法，将蝙蝠算法与粒子群优化集成，实时调整聚类带宽，帮助模型跳出局部最优并强化对大小差异树体及模糊边界的分割能力。这显著提升了模型在复杂场景下的分割性能。

此外，模型还能准确提取橡胶树的高度、冠径和冠体积等关键结构参数，树高估算的决定系数为98%。该方法能有效提取背景复杂、结构重叠严重的橡胶树点云特征，准确识别形态不规则、枝叶交错的单株橡胶树，对于边界模糊、个体紧密分布的橡胶树也能有效区分和分割，实现高精度的单株提取与结构参数测量。

相关论文信息：https://doi.org/10.1016/j.plaphe.2025.100090