使用高通量表型平台MVS-Pheno重建小麦的3D形态结构
Wenrui Li1,2,3, Sheng Wu2,3, Weiliang Wen2,3
1College of Information Engineering, Northwest A&F University, Xinong Road, Yangling, Shaanxi, Xianyang 712100, China.
AoB PLANTS
|April 25, 2024
概括
本研究介绍了小麦植物的3D重建方法,使得植物结构和形态学的准确分析成为可能. 这种方法提高了农业研究和育种的效率.
科学领域:
- 农业科学 农业科学
- 植物科学 植物科学
- 计算机视觉 计算机视觉
背景情况:
- 了解植物形态对于作物产量和资源管理至关重要.
- 三维 (3D) 信息提供了比二维方法更准确的植物结构表示.
- 自动化3D数据采集是植物表型化的一个关键挑战.
研究的目的:
- 为小麦工厂开发点云数据驱动的3D重建方法.
- 为了实现植物体规模的3D结构重建和形态参数化.
- 提高农业应用3D植物分析的准确性和效率.
主要方法:
- 利用MVS-Pheno平台进行小麦工厂点云重建.
- 采用深度学习算法用于器官细分 (语义和实例).
- 叶子和耕的自动3D重建,然后进行形态参数提取.
主要成果:
- 为植物器官实现了95.2%的语义细分精度.
- 获得了0.665.50的实例细分精度 (AP50).
- 提取的形态参数的高R2值 (0.80-1.00),如叶子长度,宽度,长度和尖端长度.
结论:
- 拟议的方法显著提高了3D小麦植物形态分析的准确性和效率.
- 为优化农业生产和遗传育种提供强大的技术支持.
- 能够为先进的作物研究提供详细的植物体水平表型.
