基于RKM-D点云方法的作物叶表型参数测量
Weiyi Mu1, Yuanxin Li1, Mingjiang Deng1,2
1School of Water Resources and Hydropower, Xi'an University of Technology, Xi'an 710054, China.
Sensors (Basel, Switzerland)
|March 28, 2024
概括
一种新的RKM-D点云方法准确地测量了作物叶子的长度,周长和面积. 这种技术通过克服处理叶点云数据的挑战,改善了作物监测和产量估计.
科学领域:
- 农业科学 农业科学
- 计算机视觉 计算机视觉
- 生物技术是生物技术.
背景情况:
- 精确测量作物叶子表型参数 (长度,周长,面积) 对于监测生长和估计产量至关重要.
- 处理叶点云的挑战,包括噪音和不确定性,导致表型参数测量不准确.
研究的目的:
- 提出并验证RKM-D点云方法,用于精确测量作物叶子表型参数.
- 为了解决处理复杂的叶点云数据的现有方法的局限性.
主要方法:
- 通过将随机样本共识与基点移除 (R),K-平均集群 (K),移动最小平方 (M) 和欧几里德距离 (D) 算法集成,开发了RKM-D方法.
- 使用立体相机捕获的胡叶点云数据跨越了三个生长阶段 (14,28和42天).
主要成果:
- 在所有测量参数中,RKM-D方法表现出高精度.
- 叶子长度:R2>0.81,MAE<3.50毫米,MRE<5.93%,RMSE<3.73毫米. 叶子长度:R2>0.81,MAE<3.50毫米,MRE<5.93%,RMSE<3.73毫米. 叶子长度:R2>0.81,MAE<3.50毫米,MRE<5.93%,RMSE<3.73毫米. 叶子长度:R2>0.81,MAE<3.50毫米,MRE<5.93%,RMSE<3.73毫米.
- 叶子周长:R2>0.82,MAE<7.30毫米,MRE<4.50%,RMSE<8.37毫米. 叶子周长:R2>0.82,MAE<7.30毫米,MRE<4.50%,RMSE<8.37毫米. 叶子周长:R2>0.82,MAE<7.30毫米,MRE<4.50%,RMSE<8.37毫米. 叶子周长:R2>0.82,MAE<7.30毫米,MRE<4.50%,RMSE<8.37毫米.
- 叶面积:R2 > 0.97,MAE < 64.66 毫米2,MRE < 4.96%,RMSE < 73.06 毫米2.
结论:
- RKM-D点云方法为测量作物叶子表型参数提供了强大而准确的解决方案.
- 该方法通过精确的表型数据采集,提高了作物监测和产量估计的可靠性.
