结合动态参数优化的层次化分割框架用于玉米茎叶的精确分割与表型提取


发布时间:

2025-10-19

来源:

作者:

玉米作为最重要的农作物之一,在表型研究中扮演着关键角色,其研究有助于推动精准农业的发展及深入探索基因-表型关联机制。然而,依赖人工测量或二维图像的传统表型分析方法在效率和精度方面存在显著局限,尤其在有效解析植物复杂的三维结构时。为应对这些挑战,本文提出了一种基于三维点云的玉米茎叶器官高精度自动分割方法。该方法包含以下三个核心模块:(1) 利用有向包围盒进行点云旋转校正预处理;(2) 采用动态根茎半径调整策略实现茎叶粗分割;(3) 融合动态误分检测与重聚类机制的精分割。本研究在多个生育期的玉米植株点云数据上对所提方法进行了系统评估,并与人工标注结果进行了对比。实验结果表明:该方法平均精确率达0.944,平均召回率达0.915,微平均F1值(Micro-F1)达0.920,平均总体精度达0.935,展现出优异的分割性能。此外,本研究自动提取了株高、冠幅直径、茎秆高度、茎秆直径、叶片数量、叶片长度及叶片宽度共七项关键表型参数,提取结果与人工测量值呈极显著相关。该研究为玉米茎叶器官的高精度三维分割及自动化表型分析提供了有效的技术支撑,为高通量植物表型研究和三维重建应用奠定了坚实基础。
  

图1 点云数据采集流程及样本植株。

 

  图2 基于根茎半径动态调整的茎叶粗分割算法流程图。

 

图3 动态根茎半径策略示意图(紫色框表示初始扩展因子的划分区间,绿色与红色框表示在逐步缩小根区与茎区半径后得到的区间)。

 

  图4 基于动态误分类检测与类别重聚的精细分割算法流程图。

 

  图5 玉米误分类示意及类别重聚过程。

 

  图6 玉米植株在茎、叶及整体结构方面的表型特征。

 

  图7 叶片点云被均匀划分为11个区间。

 

 图8a 不同茎高比参数下的点云分割效果(a):V2–V3生长期。

  

图8b. 不同茎高比参数下的点云分割效果(b):V5–V6生长期。

 

  图9 V4–V7阶段所选玉米样本的分割结果。(左虚线)算法分割结果;(右虚线)人工分割结果。相同颜色表示同一茎或叶实例。

 

  图10 V10–V12阶段叶片误分割示例。

 

 图11 精细分割策略对V10–V12阶段叶片误分割区域的修正效果。

 

  图12 对82株玉米样本分割结果的准确性评估。

 

  图13 本方法提取的七项表型性状值与实测值之间的拟合图。

 
来 源

Zhao Y, Liu D, Yao J, et al. Hierarchical segmentation framework with dynamic parameter optimization for accurate stem-leaf partitioning and phenotypic extraction in maize[J]. Smart Agricultural Technology, 2025, 12: 101277.

https://doi.org/10.1016/j.atech.2025.101277

 

编辑

王永贤

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。