基于点云多重聚类的玉米幼苗重建及空间分布分析-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

应用案例

全部分类

基于点云多重聚类的玉米幼苗重建及空间分布分析

发布时间：

2025-06-18

来源：

作者：

本研究提出了一种基于地基激光三维点云扫描技术的玉米幼苗重建和空间分布分析方法。使用高精度地面激光扫描(TLS)，从多个玉米幼苗地块收集3D点云数据，然后使用Trimble Realworks进行详细的预处理和分析。在数据处理过程中，提出了基于玉米幼苗生长特性的回归经验公式。该公式有效地缓解了密集种植条件下叶片遮挡的挑战，为进一步的点云分割和分析提供了解决方案。在算法设计方面，本研究结合了DBSCAN和K-means聚类算法，有效地克服了点云数据中植物密集分布、叶片遮挡和噪声带来的挑战，可以准确识别植物的位置和分布，优化行和列间距计算，并实现植物缺失检测功能。此外，提出了基于地面起伏的动态株高计算方法，显著提高了株高测量的精度，解决了地形变化带来的误差。

试验结果表明，该算法具有较高的准确性和鲁棒性，植株计数准确率达到98.33%，行列间距偏差率控制在5%以内，株高计算准确率超过97%。本研究在3个不同样地的数据集上进行的试验表明，该方法在不同密度条件下均具有较高的准确率，尤其是在植物计数、株距检测和株高测量方面，本文提出的基于点云数据的玉米幼苗重建与空间分布分析方法具有很强的实用性和实用性实用价值。未来，随着农业智能化和精准农业的进一步发展，该方法可广泛应用于田间管理、作物生长监测、种植模式优化等领域，促进农业生产方式转型升级。

图1. 预处理后的单个小区原始点云文件的可视化

图2. 本研究中提到的“定义株高（DPH）”、“定义茎长（DSH）”和“实际株高（APH）”之间的相对关系

图3. DPH-DSH回归模型的直线拟合图

图4. 算法流程图

图5. 植物茎分割的可视化和聚类期间的逐步优化，(a)茎分割后的可视化；(b)DBSCAN聚类后的可视化；(c)进一步过滤异常值后的结果；(d)K均值聚类后的可视化

图6. 距离检测和丢失设备位置示意图

表1. 植株计数准确性评估

表2. 行列检测的精度评估

表3. 植株高度检测精度评价

表4.关键指标的比较

来源

Song, X., Cui, T., Zhang, D., Yang, L., He, X., & Zhang, K. (n.d.). Reconstruction and spatial distribution analysis of maize seedlings based on multiple clustering of point clouds. Computers and Electronics in Agriculture, Computers and electronics in agriculture, Article 110196.

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