基于三维点云的玉米幼苗茎叶分割和表型性状提取


发布时间:

2020-10-20

来源:

植物表型资讯

作者:

PhenoTrait

目前,获取玉米植株三维点云的方法很多。然而,从三维点云中自动分割玉米幼苗茎-叶仍然具有挑战,特别是幼苗期包裹紧密的新生叶片。针对这一问题,本文提出了一种自动分割方法,包括三个主要步骤:骨架提取、基于骨架的粗分割和基于茎叶分类的细分割。

 

本文提出的自动茎叶分割方法的工作流程

 

在30个玉米幼苗上测试了该分割方法,并将其与手动获得的地面实况进行比较。结果显示,该分割算法的平均精度、平均召回率、平均微F1评分和平均超准确率分别为0.964、0.966、0.963和0.969。基于该分割结果,本文还开发了表型性状提取和骨架优化两种应用。能准确、自动地测定6个表型参数,包括株高、冠径、茎高和茎粗、叶宽和叶长。而且六个表型性状的R2值均高于0.94。实验结果表明,该算法不仅能够自动准确地分割出完全展开的叶片,而且能够自动准确地分割出包裹在一起的新叶片。

 

基于植物骨架的粗分割流程

基于茎叶分类的细分细分流程

 

综上所述,该方法对玉米基因型-表型研究、几何重建和动态生长等进一步研究和应用中发挥重要作用。

 

30种玉米样品分割结果的准确性评估

 

来源:

Zhu C, Miao T, Xu T, et al. Stem-leaf segmentation and phenotypic trait extraction of maize shoots from three-dimensional point cloud. arXiv:2009.03108.

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。