基于改进拉普拉斯算法的苹果树分枝分割与表型提取-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

基于改进拉普拉斯算法的苹果树分枝分割与表型提取

发布时间：

2025-05-05

来源：

作者：

植物表型反映了其生理特性，为预测植物生长提供了理论依据。结合三维点云和精准分割技术能够直接、准确地对表型进行提取和预评估。然而，点云固有的离散性质使得准确的器官分割成为该领域的持续性挑战。

本文提出了一种基于点云配准和主干分割的树木表型获取方法。关键步骤如下：①采用凸包索引的高斯混合模型(CH-GMM)对地面和空中点云数据进行配准。②提出一种拉普拉斯-多尺度自适应算法(LMSA)获取树木主干结构，并在此基础上提取果树的4个表型参数，即株高、冠幅、分枝数和初始分枝高度。此外，作者还探讨树冠宽度和分枝数之间的关系。

结果表明，CH-GMM算法回转误差小于1.01°，平移误差小于10mm，成功率大于95%。该方法能够对苹果枯叶期树木进行准确的分枝分割，LMSA的平均准确率、平均召回率、平均F1值和平均总体准确率分别为93.7 %、96.2 %、92.6 %和95.3 %。此外，苹果树冠宽度范围为1600-3800mm，一次分枝数范围为3-8次，二次分枝数范围为6-19次，三次分枝数范围为21-84次。

本研究首次提出利用CH-GMM算法互补对齐UPS和BLS点云，以获得高质量的点云数据。基于LMSA提取果树主干，完成果树枝干分割，发现了果树分枝数和树冠大小之间的多项式和指数关系。研究结果可为果树表型获得和表型管理提供新思路。

图1. 基于凸包索引高斯混合模型的对齐过程

图2. 树木主干示意图

图3. 表型参数确定(高度限制对宽度限制)

图4. 回转误差、平移误差和成功率与树冠大小的函数关系

图5. 分割结果评估指标

图6. 主干分枝的分割结果

图7. 树冠宽度与分枝数的关系

图8. 苹果树表型参数自动提取值与人工测量值的比较

表1. 比较对齐点云分割精度

来源

Li, L., Fu, W., Zhang, B., Yang, Y., Ge, Y., & Shen, C. (2025). Branch segmentation and phenotype extraction of apple trees based on improved Laplace algorithm. Computers and Electronics in Agriculture.

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