基于三维点云的番茄幼苗茎叶分割及表型参数提取-慧诺瑞德（北京）科技有限公司|叶绿素荧光|光合作用|植物表型

学术中心

全部分类

基于三维点云的番茄幼苗茎叶分割及表型参数提取

发布时间：

2025-03-21

来源：

作者：

对植物表型参数的高通量测量能够生成大量数据，显著提升了农业生产优化水平与育种效率。然而，这些测量工作面临着诸多挑战，其中包括环境的多变性、样本的异质性以及复杂的数据处理问题。本研究提出了一种适用于番茄幼苗期茎叶分割与参数提取的方法，该方法利用了三维点云数据。以番茄幼苗为研究对象，通过深度相机采集数据，构建点云模型。运用随机抽样一致性（RANSAC）算法、区域生长算法以及贪婪投影三角化算法，提取植株高度、茎秆粗细、叶片面积和叶片倾角等表型参数。

结果表明，人工测量参数与从三维点云提取的参数之间存在高度相关性，二者的决定系数分别为植株高度0.920、茎秆粗细0.725、叶片面积0.905以及叶片倾角0.917。均方根误差分别为0.643、0.168、1.921和4.513，绝对百分比误差分别为3.804%、5.052%、5.509%和7.332%。这些研究结果凸显了人工测量参数与提取参数之间的紧密联系，为番茄幼苗高通量自动化表型参数提取奠定了技术基础。

图1 点云处理流程图。

图2 种植区的图片。

图3 扫描仪和暗室环境：(a) 630w型三维扫描仪；(b)暗室环境。

图4 扫描仪工作实景及图像处理软件：(a) 扫描仪工作时的实拍照片；(b) 图像处理软件FlexScan3D。

图5 点云模型降噪过程：(a) 原始点云模型图像；(b) 降噪后的点云模型图像。

图6 孔托盘点云模型图像。

图7 点云数据的坐标校正过程：(a) 坐标变换前的点云模型图像；(b) 坐标变换后的点云模型图像；(c) 植物生长方向的点云模型图像。

图8 穴盘点云去除过程：(a) 原始点云模型图像；(b) 去除穴盘点云后的点云模型图像。

图9 茎部点云分割过程：(a) 原始点云模型图像；(b) 茎部点云模型图像。

图10 叶片点云分割。

图11 番茄幼苗株高计算。

图12 番茄幼苗茎粗计算。

图13 三角剖分后的树叶模型图像。

图14 番茄叶片倾角计算。

图15 番茄植株高度的人工测量值与自动提取值的比较。

图16 番茄植株高度的人工测量值与自动提取值的比较。

图17 番茄叶片面积的人工测量值与自动提取值的比较。

图18 番茄叶片倾角的人工测量值与自动提取值的比较。

表1 本文所采用方法的实验评估指标，与基于深度特征形状先验（DFSP）的分割方法、基于欧几里得聚类的分割方法、基于骨架提取的K均值聚类分割方法、轮廓重建法（Shape-from-silhouette）以及模拟退火算法的相关指标之间的比较。

来源

Liang, X.; Yu, W.; Qin, L.; Wang, J.; Jia, P.; Liu, Q.; Lei, X.; Yang, M. Stem and Leaf Segmentation and Phenotypic Parameter Extraction of Tomato Seedlings Based on 3D Point. Agronomy 2025, 15, 120.

编辑

小丸子

推荐新闻

石时之约|韩志国：透过表型数据，看见植物的喜怒哀乐！

本期石时之约，我们将对话慧诺瑞德（北京）科技有限公司总经理、国际植物表型学会（IPPN）执委会委员/工业分会副主席韩志国，一起从表型数据的科学角度，去读懂农作物的喜怒哀乐和前世今生。

慧科研、慧育种、慧种田——慧聚改变的力量

让我们“慧聚”在一起，为“慧科研、慧育种、慧种田”赋能。

高通量植物表型平台建设注意事项

育种，是在给定的环境条件下，选择各种表型指标(产量、品质、抗性)最优的基因型材料的过程(AI育种，从这里起步)。育种工作中大约70%的工作量来自表型观察测量和筛选，是最耗人力物力的过程。

作物生理表型测量基础原理

生理表型测量的核心在于“早、快”，要在肉眼可见之前就能测量并预判出变化趋势，才是这个技术的核心价值。叶绿素荧光成像，恰好满足了这个要求。

视频展示