面对全球人口激增和耕地减少等挑战，植物表型分析提供了一种实现农业自动化和改进作物诊断的方法。然而，将受控环境表型分析的精度转化为现场条件仍然是一个障碍，特别是在准确测量阳光眩光引起的叶子颜色方面。现有的解决方案，从光散射模拟到 3D 传感器融合，通常需要复杂、耗时或不切实际的方法。

2024年3月，Plant Phenomics发表了题为“ Mitigating Illumination-, Leaf-, and View-Angle Dependency in Hyperspectral Imaging using Polarimetry ”的研究文章。本研究旨在开发一种利用偏振 BRDF 模型和偏振敏感测量的新型单帧眩光色彩校正技术，通过解决眩光的持续挑战，无需复杂或耗时的方法，有可能彻底改变场表型。

最初，使用 SCATMECH 模型在 550 nm 波长下对两株 B73 玉米植株进行 pBRDF 测量，这为创建玉米叶片的 mmBRDF 模型通用库奠定了基础。这一基础步骤之后是校正模型模拟，其中模型处理未校正的反射率和斯托克斯参数，并表明增加偏振会导致参数 γ 的感知值下降。这表明尽管在逆向反射领域存在挑战，但仍具有纠正高 DoLP 和错误 γ 值的潜力。

该校正模型的验证涉及整个场域的光谱地面实况测量以及低 DoLP 区域和高 DoLP 区域的校正和未校正感兴趣区域 (ROI) 之间的比较。这一过程证实了整个田地和时间范围内植物行为的一致性，支持了模型的假设。现场试验数据还表明，在一天中不同时间拍摄的图像的偏振度有所不同，校正模型显着降低了计算指数 GNDVI 和 RERR 的均方误差 (MSE) 和标准差。

使用现场试验的分光偏振图像数据对模型的性能进行了视觉和统计验证，表明在不同条件下表型成像的准确性显着提高。图像数据的误差和方差显着降低，证实了光谱不变性假设，并表明校正网络在不同的两波段指标上的潜在适用性。该研究得出了有希望的结果，表明旋光测量可以在增强多光谱和高光谱传感器系统的能力方面发挥关键作用，以实现该领域的高通量表型分析应用。未来的工作将侧重于将该模型扩展到不同的玉米品种，评估不同天气条件的影响，并扩展 mmBRDF 和校正模型库以实现更广泛的农业应用。

标 签：