简介：摘要 : 准确获取西兰花花球面积和新鲜度是确定其长势的关键步骤，本研究通过对深度残差网络 ResNet进行改进得到一种新型的西兰花花球分割模型，并通过花球部位黄绿颜色占比判断其新鲜度，实现低成本高效准确地西兰花表型信息提取。主要技术流程包括：（ 1）基于地面自动影像获取平台拍摄西兰花花球正射影像并建立原始数据集；（ 2）对训练图像进行预处理并输入模型进行分割；（ 3）基于颜色信息用粒子群结构 PSO和大津法 Otsu对分割结果进一步进行阈值分割，获取其新鲜度指标。试验结果表明：本研究建立的分割模型精度优于传统深度学习模型和基于颜色空间变换和阈值分割模型， 4个评价指标结构相似性指数 (SSIM)、平均精度 (Precision)、平均召回率 (Recall)、 F-度量 (F-measure)结果分别为 0.911、 0.897、 0.908和 0.907，相比于传统方法提升了 10%-15%，且对土壤反射率波动、冠层阴影、辐射强度变化等干扰具有一定的鲁棒性。同时，在分割结果的基础上采用 PSO-Otsu法可以实现花球新鲜度快速分析，其精度超过了 0.8。本研究结果实现了西兰花田间多表型参数的高通量获取，可以为作物田间长势监测研究提供重要参考。

简介：[目的/意义]智慧农业科技是农业领域又一次新技术革命,具备农业新质生产力"高科技、高效能、高质量、可持续"的内在特征,已成为推进农业新质生产力发展的重要内核与引擎.[进展]本文对智慧农业科技创新的现实基础、内在逻辑与问题挑战开展系统研究,结论表明中国"表型+基因型+环境型"智能育种已迈入快车道,农业天、空、地信息感知技术体系逐渐成熟,农业大数据与智能决策技术研究探索不断推进,面向不同领域的智能农机装备创制取得丰硕成果.智慧农业科技创新通过赋能农业要素、技术、场景、主体与价值,推动农业新质生产力发展.但也面临科技创新政策体系不健全、关键技术存在卡点堵点断点、科创成果转化落地难度较大、支撑体系不够完备等重大挑战.[结论/展望]聚焦问题导向,提出了中国智慧农业科技创新平台、技术、场景、人才的"四高"路径,并围绕顶层设计、政策供...