邓良超 (Liangchao Deng)

3D 植物重建、点云结构分析、机器人传感用于高通量表型分析、自主数据采集

多模态 AI 在图像分割、目标检测、植物表型分析和结构-功能建模中的应用

基于物理的冠层建模和模拟，用于高效作物研究

RGB、多光谱、高光谱成像和 LiDAR 数据融合用于智慧农业

将传感数据与作物生长模型耦合，构建农业自动化仿真系统

导师: 张亚莉教授（石河子大学）；宋庆峰博士（中科院分子植物卓越中心）；朱新广教授（中科院分子植物卓越中心）

研究方向: 作物表型组学、无人机遥感、冠层光合作用建模、AI 辅助表型分析

核心项目:

- 3D 作物冠层重建与光分布模拟：基于多视角立体（SfM）和 3D 高斯溅射（3DGS）算法

- 多源传感器数据融合：RGB、多光谱、高光谱和 LiDAR 数据的协同处理与分析

- 机器学习在植物表型提取中的应用：深度学习用于图像分割、目标检测和表型参数预测

联合培养: 中国科学院分子植物卓越中心（CEMPS），参与国家级研究项目

专业基础: 扎实的数值分析、计算建模、编程和算法设计能力

核心课程: 计算机视觉、机器学习、线性代数、优化算法、图论、数据结构与算法

毕业设计: 基于计算流体动力学的数值模拟（优秀毕业设计）

3D 作物冠层重建: 使用 SfM（运动恢复结构）和 3DGS（3D 高斯溅射）算法，结合无人机交叉环形数据采集方法，实现了农田场景的高通量 3D 重建，达到厘米级重建精度。

冠层光分布与光合作用模型: 建立了冠层尺度的光分布和光合作用模型，优化了基于光线追踪和 BRDF 的叶片光学特性，形成了作物生长的数字孪生框架，与传统模型相比显著提高了冠层光分布模拟精度。

多模态 AI 数据处理: 利用多模态 AI（RGB、多光谱、LiDAR）数据处理能力，实现了复杂场景的零样本植物分割，为行走式高通量表型平台提供了数据分析基础。

模块化 AI 智能体开发: 基于 AI 转换冠层光合作用模型，将 3D 重建、网格化、冠层化、光分布模拟和光合作用计算模块化，构建了作物冠层光合作用 AI 智能体。

基于 BRDF 的叶片光学特性反演框架: 开发了基于 BRDF 理论的叶片光学特性反演算法，优化了测量方案，实现了叶片光学特性的间接测量。

面向高效率的小麦设计研究: 基于小麦冠层光合作用模型，开展了最优株型和栽培配置的协同建模研究，包括面向产业的项目（如巴斯夫），将研究转化为实际农业解决方案以提高杂草抑制效率。

计算机视觉算法开发: 基于计算机视觉算法构建了多种图像处理和量化方法，用于植物表型参数的自动提取和分析。