一种自动化骨架提取方法用于Schima Superba幼苗的3D点云表型化

科学领域:

• 植物学和植物科学 植物学和植物科学
• 计算机视觉和图像分析
• 林业和农业技术 林业和农业技术

背景情况:

• 手动测量Schima Superba幼苗的表型参数是低效的,容易出现错误.
• 准确的表型数据对于种植园管理和作物改良至关重要.
• 现有的方法在复杂的植物结构中难以准确地分离茎和叶子.

研究的目的:

• 开发一种自动化的,非破坏性的方法,使用3D点云来获取Schima Superba幼苗的表型参数.
• 为了克服干叶分离的挑战,以提高准确性.
• 为高效的种植园管理和育种提供强大的技术解决方案.

主要方法:

• 使用3D点云处理,包括对齐和骨架提取.
• 开发了一种密度加权的声素中心体方法,与MST和PCA相结合,用于茎骨架识别.
• 实施了改进的K-means++算法,用于精确的茎叶细分.

主要成果:

• 在树干和叶子分离方面实现了高精度,解决了树干-叶子结合的困难.
• 成功自动计算表型参数:植物高度,茎长,茎直径和叶面积.
• 在预测和实验表型之间证明了高相关系数 (0.994到0.873).

结论:

• 拟议的自动化3D点云方法为Schima Superba幼苗表型提供了高度准确和高效的解决方案.
• 这项技术为现场测量,种植管理和作物改进提供了必要的支持.
• 茎叶分离和自动表征的进步为精密林业铺平了道路.