近日，工程学院、国家香蕉产业技术体系机械化研究室团队徐兴副教授在国际权威期刊连续发表两项研究进展。其中，题为“UAV-prior-guided UGV path planning in ground-constrained orchards: a case study in banana plantations”的研究发表于农林科学领域期刊Computers and Electronics in Agriculture（中科院一区Top期刊，影响因子8.9），另一篇题为“A 3D–2D Dual-Modal Collaborative Framework Based on UAV Oblique Photogrammetry for Automated Measurement of Canopy Volume and Porosity in Banana Plantations”的研究发表于遥感领域权威期刊IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing（中科院二区期刊，影响因子5.3）。两项成果围绕“无人机+香蕉园”场景，分别在地面机器人自主导航路径规划和果树冠层精准表型解析方面取得突破，为我国热带亚热带果园数智化生产提供了重要理论与技术支撑。
图1 论文封面
香蕉是我国重要的热带经济作物，传统果园管理长期依赖人工经验，在复杂地形下存在机械作业路径规划难、冠层结构参数获取慢且成本高等痛点。针对上述问题，机械化研究室团队基于无人机（UAV）低空遥感与人工智能技术的深度融合，构建了“空-地协同”的智慧果园技术体系。
在自主导航方面，针对蕉园常见的沟渠、坑洼及垄埂等地面约束导致的可通行区域碎片化难题，创新提出了基于UAV的“结构引导式”路径规划框架，为地面无人平台（UGV）生成全园覆盖作业路径，显著提高了复杂地形下全园作业路径的生成效率与可执行性。具体而言，研究设计了多任务感知网络YOLO-DS-poSeg，同步实现香蕉植株中心点检测与地面要素（沟渠、道路等）分割；进而采用方向感知聚类与凸包交集策略提取行走路径骨架，突破了传统栅格骨架化方法计算代价高昂的局限，预处理效率提升3–4个数量级。同时，融合差速底盘运动学约束与L-BFGS-B优化算法，实现了转弯段轨迹的曲率约束平滑，最大曲率降低84.8%，显著提升了复杂果园环境下作业路径的连续性与可执行性。工程学院徐兴副教授为该文第一作者，段洁利教授为通讯作者，硕士研究生梁华子墨，以及杨洲教授、付函副教授和金莫辉老师共同参与本研究。
图2 工作流程
图3 不同算法下全局野外路径规划结果对比
图4 考虑地头避沟转向及进出通道约束的全局蕉园路径规划结果
在果树冠层表型精准解析方面，团队针对香蕉冠层叶片宽大、空间异质性强、重叠遮挡严重导致单模态数据信息缺失的问题，构建了基于无人机倾斜摄影的“3D-2D双模态协同”框架。该框架融合SoftGroup++三维实例分割模型与改进的YOLO-SPES二维检测模型，通过跨模态坐标交互策略实现点云与正射影像的精准对齐，并创新提出自适应冠层体积补全模块和多尺度体积差分算法（MSVDA），有效解决了三维分割欠分割/过分割及内部孔隙量化难题。实验结果表明，该方法对香蕉冠层体积的估测决定系数（R²）达0.885，平均绝对百分比误差（MAPE）降至6.4%，为低成本、大规模果园冠层结构监测提供了可靠方案。工程学院徐兴副教授为通讯作者，硕士研究生刘国杰以及华南农业大学工程学院杨洲教授，段洁利教授，付函副教授，金莫辉老师参与了该研究。
图5 论文封面
图6 香蕉植株冠层体积估算方法
图7 香蕉植株冠层孔隙度估算方法
图8 广东省东莞市香蕉地块冠层体积与孔隙度估算结果空间分布图
图9 广东省湛江市和海南省儋州市香蕉地块冠层体积与孔隙度估算结果空间分布图
上述两项研究不仅可直接服务于香蕉园的无人化精准对靶喷施、变量施肥与产量预测，还可推广至芒果等其他热带果树及高秆作物的智慧化管理，助力果园生产从“机械化”向“无人化、智能化”转型升级。该研究得到了国家重点研发计划、国家自然科学基金、国家香蕉产业技术体系、广东省现代农业产业技术体系、广州市重点研发计划项目的资助。
相关论文链接：https://www.sciencedirect.com/science/article/pii/S016816992600373X
https://ieeexplore.ieee.org/document/11425789
文图/工程学院
