图1  大豆样本收集和数据获取。（a）拍摄地点，（b）拍摄方法，（c）种植地点。

图2  大豆植物表型分析框图，包括数据采集、点云生成、点云分割和表型参数提取。

图3  数据注释过程。（a）原始大豆点云，（b）注释软件界面，（c）实例注释，其中不同颜色代表不同的豆荚，（d）语义注释，其中不同颜色代表豆荚和茎类别。

图4  增强前后大豆点云数据的变化。灰色点云表示原始数据，彩色点云表示增强结果。 （a）平移，（b）缩放，（c）裁剪，（d）旋转。

图5  PVSegNet 网络架构用于分割大豆点云数据中的豆荚和茎区域。蓝色矩形框表示向量，其他彩色矩形框表示其中的文本指示的相应操作。首先，大豆点云 X 通过主干网络提取特征 F。接下来，语义模块和偏移模块分别生成 S 和 O。从 X 中提取坐标 P，并将偏移 O 添加到 P 以获得移位坐标 Q。然后使用聚类方法产生豆荚或茎的实例聚类结果 Cp 和 Cq，Cp 和 Cq 的并集得到 M 个聚类 C。使用 ScoreNet 对这些聚类进行评分以获得各自的聚类分数 Sc。最后，使用 NMS（非最大抑制）方法获得最终的实例分割结果 G。

图6   PVSegNet 的架构，包括上采样和下采样组件。它结合了 PVConv、OE、SetAbstraction 和 FeaturePropagation 模块。

图7  表型参数提取说明：（a）大豆点云，（b）大豆豆荚的实例分割，不同颜色代表不同的豆荚，然后提取每个豆荚的长度和宽度表型参数，（c）分割的茎区域，使用几何拟合提取茎直径表型参数。

图8  语义分割训练损失的变化。（a）训练集上的损失变化。 （b）验证集上的损失变化。

图9  四个网络的语义分割预测结果。左侧显示标记的类别，其中黄色和青色分别代表豆荚和茎类。右侧清晰地显示了矩形框内的局部预测结果。在预测标签中，蓝色代表豆荚，红色代表茎。

图10  实例分割训练损失的变化。 (a) 训练集上的损失变化。 (b) 验证集上的损失变化。

图11  图中展示了四种不同网络与人工标注的实例分割预测结果对比，红框突出显示了放大的区域，不同颜色代表不同的pod，灰色代表stem。

图12  图中展示了PVSegNet在不同样本上的实例分割预测结果对比人工标注的结果，不同颜色代表不同的pod，灰色代表stem。

图13  大豆植株点云分割提取的表型参数与测量值的比较。（a）豆荚宽度，（b）豆荚长度，（c）茎粗度，（d）豆荚数量。