基于三维点云实例分割的草莓叶面积测量方法-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

基于三维点云实例分割的草莓叶面积测量方法

发布时间：

2025-05-02

来源：

作者：

温室作物因其具有保护性覆盖和小气候控制系统，具有高产、优质、不受季节变化影响等显著优势，从而能够满足人们对多样化农产品的需求。温室作物的高效生产依赖于对环境和养分的精确自动控制。其中，叶面积指数是影响室内小气候和植物内部养分运输的关键生长参数。因此，实时监测叶面积对于调整防治策略至关重要。

本文以盆栽草莓为研究对象，开发了半自动的三维点云数据采集平台（图3），并结合深度神经网络学习提出了植物器官分割方法，以解决利用三维点云数据计算植物叶面积时茎叶分割难题。为强调每个器官的三维点云特征，引入叶脉和边界保持采样（Leaf Vein and Boundary Preservation Sampling，LVBPS）数据增强方法（图2）。此方法特别保留了叶片边缘和叶脉形态等关键特征，在减少数据量的同时提高了计算效率。基于增强的3D点云数据，设计了名为SGC的深度学习架构（图4），以完成草莓植株3D点云中茎和叶的精确实例分割。

结果表明，该网络对实例分割的平均准确率达到90.41%，对叶片分割的平均准确率达到93.63%。使用具有边界处理的泊松表面重建（Poisson Surface Reconstruction）方法计算的重建叶面积的平均绝对误差为5.51 cm，均方根误差为6.91 cm，决定系数为0.867。

本文构建了高质量、带注释的3D点云数据集，提出的方法可以实现叶面积的无损测量。以上发现为温室栽培和智能农业应用提供了有价值的技术支持和参考。源代码和数据集可在https://github.com/suyangsuluo/SGC获得。

图1. 研究路线概述

图2. 叶脉和边界保持采样过程

图3. （a）半自动数据收集平台；（b）3D扫描的草莓植株样本

图4. SGC结构

图5. 草莓点云实例分割结果

图6. 可视化草莓点云实例分割结果

图7. 比较传统网格测量和图像测量叶面积

表1.不同分割阈值下的试验结果

表2.LVBP和CBAM的消融分析结果

来源

Z. Li, S. Wang, Y. Su and D. Yu, "A Method for Measuring Strawberry Leaf Area Based on Three-dimensional Point Cloud Instance Segmentation," in IEEE Access, doi: 10.1109/ACCESS.2025.3539083.

编辑

JAYz

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