随着农业机械化及各种农田现代栽培管理技术的发展,基于人工智能的机器视觉技术已广泛应用于农业领域。在自然环境下快速、无损和高通量地获取作物株型参数是选育高产且抗逆性强的优良品种的关键。传统表型测量方法具有破坏性、耗时费力且不能连续性的、大范围的测量等不足,因此为克服传统测量方法的低效性,本研究开展基于深度信息的大豆冠层株型参数计算方法研究,旨在株型参数获取技术上取得突破性进展。本研究以寒地大豆为研究对象,在黑龙江八一农垦大学农学院卓越农业人才创新创业训练园开展大豆种植及其冠层信息采集工作。采取理论研究和实验分析相结合的方法,研究了大豆冠层株型参数计算方法,解析了基于时间序列的大豆冠层株型参数变化规律,同时实际测量大豆生殖生长期的冠层株型参数,优化了株型参数计算方法。主要包括四个方面工作:(1)设计了基于Kinect 2.0的大豆冠层图像同步采集系统,用于快速、精确、无损地获取全生育时期大豆冠层彩色及深度图像。分析了冠层三维结构特征,优化了设计图像配准参数及融合向量,精确地重构了不同生长时期大豆冠层三维结构形态。(2)标定了彩色摄像机和深度摄像机的位置关系,对彩色图像进行了颜色失真校正,有效避免了曝光、失真等对颜色表达的影响。三维重建了具有精确颜色信息的大豆冠层结构形态。在Lab空间下采用K-means聚类算法对图像分割,利用颜色及距离信息提取了有效的大豆冠层区域。(3)在重建冠层三维结构形态基础上,开展了大豆冠层株型参数提取方法研究。分析了不同生长阶段大豆冠层空间中各器官表型参数随时间变化的规律,分别建立了冠层三维空间内植株高度、冠幅、叶面积指数等株型性状参数计算方法。(4)实际测量了生殖生长期的单盆和群体大豆冠层株型参数,用于验证大豆冠层株型参数的计算方法的有效性。大豆冠层高度、冠幅、叶面积指数的计算值与实际测量值的决定系数R~2均在0.9左右。实验结果表明:本研究提出的基于深度信息的大豆冠层株型参数计算方法研究,能够快速、准确地计算冠层株高、冠幅、叶面积指数。不仅为选育大豆优良种质资源提供理论依据,而且为田间高通量地计算其他农作物表型参数提供了一种现实可行的技术手段。