通过点云细分,绘制具有高颗粒度的棉花球和枝条的地图
Lizhi Jiang1,2, Javier Rodriguez-Sanchez2,3, John L Snider4
1College of Mechanical and Electronic Engineering, Northwest A&F University, Yangling, Shaanxi, 712100, China.
Plant methods
|May 20, 2025
概括
本研究介绍了一个3D点云细分工作流程,用于绘制棉花的空间分布. 该方法准确量化了子的位置,有助于植物育种和生理研究.
科学领域:
- 农业工程 农业工程
- 植物科学 植物科学
- 计算机视觉 计算机视觉
背景情况:
- 精确地绘制棉花的空间分布对于理解产量和纤维质量相关性至关重要.
- 之前的方法缺乏分析植物结构上的球形位置的颗粒度.
研究的目的:
- 开发和验证3D点云细分工作流程,用于跨多种基因型的棉花球和枝条的高细分度空间映射.
- 评估深度学习 (PointNet++) 和集群算法的有效性,例如棉花球的细分.
主要方法:
- 利用18种棉花基因型的高分辨率3D点云.
- 使用PointNet++和Euclidean集群开发了一种两种方法的工作流程,用于使用PointNet++和Euclidean集群进行垂直和水平的boll分布映射.
- 采用TreeQSM用于植物结构细分和Dijkstra的分支分类算法.
主要成果:
- 通过使用PointNet++.实现了高精度 (0.954) 和平均交叉点与联合点 (mIoU) (0.896) 的高精度,用于使用PointNet++进行2类细分.
- 证明了优异的计数性能,R2=0.99和RMSE=5.4.
- 首次成功地绘制了棉花球和树枝的高颗粒度空间分布.
结论:
- 开发的3D点云细分工作流提供了一个强大的工具,用于精确的棉花植物表型.
- 这种方法有可能加速棉花育种计划和植物生理学研究.
- 从3D点云直接预测纤维质量仍然是未来研究的领域.
