完成田间谷物作物的图片:一种新的方法用于小麦中详细的叶面模型
Marie Theiß1, Angelina Steier1, Uwe Rascher1
1Institute of Bio and Geosciences, IBG-2: Plant Sciences, Forschungszentrum Jülich GmbH, Wilhelm-Johnen-Str, 52425, Jülich, Germany.
Plant methods
|February 3, 2024
概括
精确测量谷物作物中的叶片角分布 (LAD) 对光合作用模型至关重要. 这项研究引入了一种新的立体成像管道,可以重建复杂的叶形状并高精度计算LAD,从而改善作物性能分析.
科学领域:
- 农业科学 农业科学
- 植物生理学 植物生理学
- 计算机视觉 计算机视觉
背景情况:
- 叶角分布 (LAD) 对于作物光线拦截和性能至关重要.
- 由于叶子形态,准确的LAD评估在田间作物,特别是谷物中具有挑战性.
- 现有的方法很难解释谷物叶的复杂性和灵活性.
研究的目的:
- 开发和验证一种新的图像处理管道,用于重建3D叶面模型和计算田间谷物作物的LAD.
- 解决目前捕获谷物叶的特定形态特性方法的局限性.
- 为了使用准确的LAD数据实现更精确的光合作用模型参数化.
主要方法:
- 一个立体成像设置被用于数据采集.
- 开发了一个新的处理管道,从3D点云中生成现实的叶面模型.
- 该方法使用人工目标进行了验证,随后在野外种植的谷物作物上进行了测试.
主要成果:
- 3D重建实现了低于1毫米的平均误差,叶面量化准确率为90%.
- 对曲叶子重建的LAD显示平均误差为0.21°,标准偏差为1.55°.
- 在重建和实际倾斜角度之间观察到高相关性 (CCC=99.6%);β函数近似LAD具有高相关性 (平均CCC=0.66).
结论:
- 开发的图像处理管道准确地从立体图像中重建复杂的谷物作物叶形状.
- 该方法提供了非常准确的LAD计算,这对于了解树冠结构和光吸收至关重要.
- 这一进步促进了光合作用模型的更精确的参数化,提高了作物性能预测.
