High-throughput phenotyping platform for facility crops based on optical sensing technology: A review

方法

综述RGB、多/高光谱、热红外、LiDAR及固定/轨道/机器人/无人机平台与深度

发现

表型平台正从传统特征工程转向深度学习，并迈向智能闭环决策系统。

机会点

多模态数据融合、低成本实时表型平台及闭环决策在设施农业中仍待突破。

高通量获取作物表型信息是实现智能设施农业和精准育种的关键技术之一。传统表型数据采集方式效率低、主观性强，难以实现多尺度连续监测，无法满足现代研究与生产需求。本文系统综述了光学传感技术驱动的设施作物表型平台的技术框架与发展脉络。首先，从光学传感技术出发，对比分析了RGB、多光谱/高光谱、热红外和激光雷达传感器在表型感知中的优势与局限。其次，总结了固定式、轨道式、移动机器人和无人机平台架构的特点与适用场景。进而，梳理了表型数据处理方法的演进，重点分析了从传统特征工程到深度学习驱动方法的转变。最后，讨论了多模态数据融合、系统成本和实时性等关键挑战，并展望了表型平台向智能闭环决策系统发展的未来方向。本文系统综述了光学传感技术驱动的设施农业表型平台，同时纳入了田间表型研究中的代表性进展。这些进展提供了可迁移的传感技术、方法框架和平台设计理念，有助于推动受控环境农业表型平台的发展。