研究目标：研究聚焦温室花卉栽培的表型获取与智能决策需求，旨在搭建温室栽培环境下花卉移动式高效表型获取平台，开发持续性表型智能机器凝视系统及外观品质、开花进程智能辨识系统，研制基于机器视觉表型与环境多元数据的花卉采收期及周年生产品质预测模型。通过技术集成与创新，实现花卉表型的高效采集、智能分析及栽培关键节点的精准预测，为花卉优质周年生产提供技术支撑，同时完成实用新型专利 1 项、软件著作权 4 项的申请与科技论文的撰写与投稿。
研究内容：开展五方面工作：一是针对温室花卉栽植密度大、多区域的环境特点，设计轻量化移动式机构与多维度表型采集模块，集成高清相机、光谱传感器及环境感知单元，优化硬件兼容性与运动控制逻辑，完成花卉移动式高效表型获取平台试制，通过性能测试后提交实用新型专利申请。二是基于机器视觉与嵌入式技术，开发持续性表型智能机器凝视系统，搭建实时图像采集与传输链路，实现花卉株高、叶面积、叶姿态等表型参数的自动化、连续性采集与初步处理，形成稳定运行的系统并申请软著。三是收集代表性花卉品种样本，构建包含花型、花色等指标的外观品质特征库，标注现蕾、盛花等开花进程关键节点数据集，研发基于深度学习的特征提取与分类算法，完成外观品质及开花进程智能辨识系统开发并申请软著。四是融合表型数据与温湿度、光照等环境多元数据，进行数据清洗与特征筛选，采用随机森林、神经网络等算法构建采收期预测模型，经样本验证优化后申请软著。五是拓展数据维度至土壤养分、灌溉量等栽培参数，结合不同季节环境数据，构建花卉周年生产品质预测模型，适配多品种栽培场景，为茬口安排、水肥调控等方案优化提供依据，完成系统开发并申请对应软著。
预期成果：①试制搭建温室栽培环境的花卉移动式高效表型获取平台（申请实用新型专利）；②开发栽培决策所需花卉持续性表型智能机器凝视系统（申请软著）；③研制花卉外观品质及开花进程智能机器辨识系统（申请软著）；④研制基于机器视觉表型和环境多元数据的花卉采收期预测模型（申请软著）；⑤研制基于机器视觉表型和环境多元数据的花卉周年生产品质预测模型（申请软著）。
专业背景：智慧农业、园艺学、机器视觉、机械工程
技能基础：①智慧农业 农业大数据分析：运用Python编程、神经网络等工具处理农业数据，支持决策优化。物联网与遥感技术：操作农业传感器、无人机设备，实时监测农田环境参数。设施农业设计：设计智能温室，集成无土栽培、环境调控系统。②机器视觉方向，掌握图像处理的基本概念与算法，如滤波、边缘检测等。理解机器学习模型的基本原理和应用，能够使用相关工具进行模型训练和优化。掌握编程语言，如 Python 和 C++。③机械工程，机械设计与制造、控制工程、制定方案并优化设计。
时间投入：在学期间课余时间、周末两天，暑假假期留校实施。