三維點(diǎn)云在數(shù)字植物表型分析中的附加價(jià)值——以黃瓜節(jié)間長(zhǎng)度測(cè)量為例

三維點(diǎn)云在數(shù)字植物表型分析中的附加價(jià)值——以黃瓜節(jié)間長(zhǎng)度測(cè)量為例

植物結(jié)構(gòu)如株高、葉片或分支角度、葉片大小以及節(jié)間長(zhǎng)度等，影響著對(duì)光的截留，從而影響植物光合作用與生產(chǎn)力。植物結(jié)構(gòu)的變化可以反映植物面臨的脅迫情況，例如節(jié)間長(zhǎng)度的變化與干旱、

鹽脅迫有關(guān)。簡(jiǎn)單的表型性狀可以從2D圖像中測(cè)量，但節(jié)間長(zhǎng)度、分支角度等復(fù)雜性狀則需要使用3D數(shù)據(jù)。

本研究以黃瓜為例（含彎曲株和直立株），基于激光三角測(cè)量，使用Phenospex PlantEye F500采集了10天的3D數(shù)據(jù)，該多光譜3D掃描儀還為點(diǎn)云中的每個(gè)點(diǎn)提供了光譜信息。

同時(shí)，每天多次采集2D圖像，獲得一個(gè)包含9990張圖像的數(shù)據(jù)集?；赮OLO-v3深度學(xué)習(xí)對(duì)象檢測(cè)算法在單個(gè)2D圖像中檢測(cè)節(jié)點(diǎn)，使用親和力傳播聚類算法對(duì)同一節(jié)點(diǎn)的多次檢測(cè)進(jìn)行合并，

獲得每個(gè)節(jié)點(diǎn)只出現(xiàn)一次的節(jié)點(diǎn)位置列表并按照在莖上的位置進(jìn)行排序以估計(jì)2D節(jié)間長(zhǎng)度（節(jié)間長(zhǎng)度為兩個(gè)連續(xù)節(jié)點(diǎn)之間的歐氏距離）。從3D點(diǎn)云估計(jì)節(jié)間長(zhǎng)度的方法分為三個(gè)步驟：

（1）基于深度神經(jīng)網(wǎng)絡(luò) PointNet++將 3D 點(diǎn)云分割成植物部分；（2）從分割的點(diǎn)云中檢測(cè)節(jié)點(diǎn)，使用HDBSCAN聚類算法對(duì)節(jié)點(diǎn)進(jìn)行聚類；（3）節(jié)間長(zhǎng)度估計(jì)。結(jié)果顯示，

使用3D點(diǎn)云代替2D圖像，可以以與直立植株相同的精度來(lái)估計(jì)彎曲植株的節(jié)間長(zhǎng)度；從3D點(diǎn)云估計(jì)的節(jié)間長(zhǎng)度誤差小于從2D圖像估計(jì)的節(jié)間長(zhǎng)度誤差，使用3D 點(diǎn)云估計(jì)節(jié)間長(zhǎng)度的精度更高。

但基于2D圖像的節(jié)點(diǎn)檢出率更高，因此建議綜合利用2D圖像和3D點(diǎn)云的優(yōu)勢(shì)?？傊?，本研究證實(shí)了基于3D點(diǎn)云與計(jì)算機(jī)視覺(jué)技術(shù)結(jié)合進(jìn)行植物結(jié)構(gòu)尤其是節(jié)間長(zhǎng)度測(cè)量的可行性。

                                                                                                  圖1 黃瓜植株三個(gè)節(jié)點(diǎn)示意圖，含兩個(gè)節(jié)間。

                                                                                        圖2 實(shí)驗(yàn)裝置示意圖。植株生長(zhǎng)在2個(gè)植物水槽( A、B)上，每個(gè)水槽含6株植物( 1 ~ 6株)。

                                                                                        將彎曲植株A2、A3和B5分別稱為離群植株4、5和8。

                                                                                        六個(gè)視點(diǎn)(Ⅰ-Ⅵ)在圖的右上角部分放大顯示。