本网讯（通讯员岳继博）近日，我校智慧农业科技创新团队的研究成果“Maize phenological stage recognition via coordinated UAV and UGV multi-view sensing and deep learning”——在国际智慧农业领域知名期刊《Artificial Intelligence in Agriculture》在线发表。该研究提出了一种无人机（UAV）与地面无人车（UGV）协同的多视角感知策略，并结合自主设计的深度学习模型MSRNet，实现了对玉米12个关键物候期的精准识别，为作物育种中的高通量表型监测难题提供了创新解决方案。

作物物候期是记录作物生长发育进程的核心指标，以发芽、出叶、开花、衰老等关键事件为标志。准确、动态监测作物物候期，不仅对作物育种和田间管理至关重要，还作为植被生态模型的关键参数。光学遥感技术通过捕捉地表反射光谱能量，实现田间尺度作物冠层成像，已成为物候期识别的基础技术。

针对现有光学遥感技术在中高冠层覆盖条件下易受植被指数饱和影响，导致监测效果下降的问题，该研究利用配备全景相机的UGV采集玉米冠层内部（IOC）图像，分析雌穗特征；同时，借助配备高清数码相机和光谱相机的UAV采集冠层顶部（TOC）图像，提取叶片和雄穗特征，从而自动化识别12个生长时期的冠层高度、叶片及雌穗特征。在此基础上，团队开发了多模态深度学习框架MSRNet（Maize-Phenological Stages Recognition Network），融合冠层高度、植被指数、顶部叶片及内部雌穗等多源特征，实现玉米12个物候期的精确识别。与传统机器学习及单模态深度学习模型对比，该模型在V2-R6阶段的识别准确率达84.5%，较基准方法提升3.8%-13.6%。Grad-CAM可视化结果进一步证实，MSRNet能根据生长阶段动态调整注意力机制：在营养生长期聚焦叶片特征，在生殖生长期转向果穗特征。

我校信管学院青年教师岳继博教授为该文第一作者，国家农业信息化工程技术研究中心冯海宽副研究员、赵春江研究员和杨贵军研究员为共同通讯作者。中国农业大学刘杨博士及国家农业信息化工程技术研究中心樊意广博士参与研究。该工作获国家自然科学基金（42101362）、国家重点研发计划（2022YFD2001104）及河南农业大学高层次人才专项支持基金资助。

文章链接：//doi.org/10.1016/j.aiia.2025.12.004

编辑：郑光；签审：蔡镔；签发责任人：田琨