明星换脸av

（图文|杜奥博 编辑|陈治国 审核|翟瑞芳）近日，明星换脸av 翟瑞芳副教授团队在国际权威期刊ISPRS Journal of Photogrammetry and Remote Sensing上发表一项研究成果。该研究成功开发一套全自动技术方案，提出一套面向“植物-相机”采集模式的三维重建“流水线”，为解决植物三维表型获取中特征稀疏、重建失败的技术难题提供了创新性解决方案。

农业科研中精确获取植物的三维形态（如高度、叶长等）至关重要，这有助于科学家研究作物生长规律、筛选优良品种。传统方法多依靠人工测量，效率低且易出错。而利用常规流程进行自动三维重建，在面对植物时却常常“失灵”——因为植物的叶片纹理相似、层层叠叠，计算机很难像识别建筑物那样，从不同照片中找到足够多独特的“锚点”来进行精准的立体建模，导致建模失败或模型粗糙。

针对这一瓶颈，翟瑞芳研究团队设计了一套从数据采集到结果分析的全自动化“流水线”。该方法核心创新首先在于，提出名为“基于标定约束的稀疏重建(SRCI)”的新算法。它通过事先精确测量相机的镜头参数，为重建过程提供“导航图”，减少了对图像自身特征匹配的过度依赖，从根本上提高了建模成功率。其次的创新之处是，为更好区分看起来相似的植物部位，设计了名为SFNet的特征描述符网络。该网络能同时捕捉叶片的细微纹理和整体轮廓，如同人眼既看细节又观全局，使得计算机在匹配不同照片中的同一片叶子时所提供描述符的表达性能更为优异。

研究人员表示，该方法在油菜、玉米、南瓜、向日葵和水稻等多种作物上进行了系统验证。在油菜植株表型参数提取中，株高、叶宽和叶弦长的提取结果与人工测量值高度一致，平均绝对误差分别为4.93 mm、3.16 mm和6.02 mm，决定系数R²均高于0.93。玉米、南瓜、向日葵等重建结果与真实点云间的倒角距离均处于2.5mm内。在最具挑战性的水稻重建任务中，该方法仍实现有效重建，点云倒角距离控制在9毫米以内，而其余方法均未能实现成功重建。综上，该方法有效实现了高通量、高精度的三维表型数据获取。

明星换脸av 硕士研究生杜奥博和植物科学技术明星换脸av 博士研究生王应华为论文共同第一作者，翟瑞芳副教授、宋鹏副教授、杨万能教授为论文共同通讯作者。作物表型团队研究生石祥龙、崔晨曦、汤延、谢凯、王佳诗、刘进宝等参与研究工作。研究得到国家重点研发计划项目支持。

《ISPRS Journal of Photogrammetry and Remote Sensing》是国际摄影测量与遥感学会旗舰期刊，也是遥感与地理信息科学领域顶尖国际期刊，近5年影响因子为13.7，为中国科明星换脸av 一区TOP期刊。

文章链接：//doi.org/10.1016/j.isprsjprs.2025.10.021