植物表型分析对于推动精准农业和现代育种至关重要，其中对植物器官的三维点云分割是提取表型参数的关键。然而，尽管现有方法在分割精度上表现良好，但在高效处理复杂几何结构和大规模点云数据集时存在困难，导致计算成本显著增加。此外，这些方法对高质量标注数据的高度依赖限制了其在高通量场景中的应用。为了解决这些问题，我们提出了一种基于八叉树结构的多阶段区域生长算法，用于高效实现玉米点云数据中茎叶的分割。该方法首先通过八叉树体素化提取关键几何特征，从而显著提高分割效率；在区域生长阶段，采用基于拟合圆柱参数的初步结构分割策略；随后引入细化策略以提升复杂区域的分割精度；最后，通过中心轴拟合和基于距离的滤波，增强了茎部分割的一致性。本研究利用了Pheno4D数据集，该数据集包含来自温室环境中不同生长阶段玉米植株的三维点云数据。实验结果表明，该算法在Pheno4D数据集上达到了98.15%的平均精度和84.81%的IoU，展现出在各生长阶段下的较强鲁棒性；同时，每个实例的分割时间缩短至4.8秒，相较于PointNet实现了四倍以上的速度提升，并保持了高精度与高效率。此外，对番茄点云数据的验证实验进一步确认了该方法的良好泛化能力。本文提出的算法不仅解决了传统方法在复杂农业环境中的不足，显著提高了分割效率与精度，同时降低了对高质量标注数据的依赖，为高通量作物管理与精准育种提供了坚实的技术基础。