近日，工学院康峰教授课题组完成的“An image-based system for locating pruning points in apple trees using instance segmentation and RGB-D images”论文，在农林科学领域Top期刊《Biosystems Engineering》（中科院一区TOP，IF="5.10）上发表。论文第一作者为工学院博士研究生仝思源，通讯作者为康峰教授，北京林业大学为第一完成单位。

研究指出，休眠期苹果树修剪是果园生产的重要环节，其劳动强度大、季节性强、具有不可逆性。随着农村人口的转移和老龄化加剧，劳动成本提高，这将严重影响苹果产业发展。因此，发展智能化修剪机器人对于苹果生产具有重要意义。近年来，随着智能化技术的发展，智能化修剪技术研究成为热点话题，国内外相关学者集中于开发休眠期果树的自动修剪算法。受冠形复杂性影响，研究对象多为标准化葡萄树和UFO型樱桃树，其冠层结构与修剪规则简单，无需获取枝条参数；针对复杂冠形的苹果树、枣树和柑橘树，需结合修剪规则和枝条参数对修剪点进行定位，但相关研究停留在枝条识别阶段。

本文以复杂冠形的高纺锤形苹果树为对象，在深度学习识别枝条的基础上，通过RGB-D和图像处理相结合对枝条直径和间距进行估计，制定智能化修剪方案，以此为依据对修剪点进行定位，得到修剪点的识别准确率为87.2%，每张图片的识别时间约为3.8s。本文通过对果树参数的获取和修剪规则的智能化改进，提出了高纺锤形苹果树的修剪点定位算法，为复杂冠形果树的自动修剪提供了新的思路。未来还可结合机械臂和修剪末端，开发针对高纺锤形苹果树的智能化修剪机器人。

该研究得到宁夏回族自治区重点研发计划“揭榜挂帅”项目（No.2019BBF02009）资助。

文章链接：https://doi.org/10.1016/j.biosystemseng.2023.11.006