通过3D建模,使用正常向量和局部曲率数据量化植物形态特征的新方法 - - 叶菜的案例研究
Kaede C Wada1, Atsushi Hayashi2, Unseok Lee2
1Breeding Big Data Management and Utilization Group, Division of Smart Breeding Research, Institute of Crop Science, National Agriculture and Food Research Organization (NARO), Tsukuba 305-0856, Japan.
Sensors (Basel, Switzerland)
|August 12, 2023
概括
本研究介绍了用于自动形态分析的新型3D植物建模方法. 新技术量化了视觉特征,提高了植物特征评估的准确性并减少了人类的主观性.
科学领域:
- 植物科学 植物科学
- 计算机视觉 计算机视觉 计算机视觉
- 生物技术是生物技术.
背景情况:
- 传统的植物形态分析依赖于手工测量,这耗时且容易被主观解释.
- 高通量3D测量为自动化和客观的植物表型化提供了潜力.
研究的目的:
- 开发和验证使用3D数据进行植物形态分析的新方法.
- 为了自动化尺寸测量和量化植物的视觉评估特征.
- 减少植物特征评估中的主观性和变异性.
主要方法:
- 使用3D植物建模系统进行数据采集.
- 应用了与尺度相关的测量方法,包括边界框,凸起的船体,柱体和voxel.
- 开发了一种使用正常向量和局部曲率 (LC) 来进行视觉评估量化的新方法.
- 与手动测量对比的验证方法.
主要成果:
- 与尺度相关的方法与手动测量显示出高相关性 (确定系数>0.9).
- 局部曲率分析有效地可视化和量化了叶子的腔和凸度.
- 在使用3D分析的菜品种中,鉴定了叶子泡发作的差异.
- 测量的自动化和消除人类主观性的证明.
结论:
- 3D植物建模使植物大小和形态学的精确定量测量成为可能.
- 基于LC的新型分析方法成功量化了视觉评估的特征.
- 这种方法自动化了工厂的测量,并消除了观察者偏见,使得专家评估可能不必要.


