Plant Phenomics | 結(jié)合二維和三維方法的三維葉片邊緣重建

葉片是植物的重要器官，具有多樣的形態(tài)特征以滿足不同的功能需求。傳統(tǒng)的葉片形態(tài)量化主要基于二維方法，無法完全捕捉葉片三維特征。

2024年5月，Plant Phenomics 在線發(fā)表了日本九州大學(xué)題為Three-dimensional leaf edge reconstruction combining two- and three-dimensional approaches的研究論文，提出了一種結(jié)合二維圖像分割和基于曲線的三維重建方法，用于三維葉片邊緣重建。

本文提出的三維葉片邊緣重建方法通過結(jié)合深度學(xué)習(xí)、結(jié)構(gòu)光運動（SfM）、葉片對應(yīng)識別和B樣條曲線擬合等技術(shù)，成功地從多視圖圖像中重建了葉片邊緣。結(jié)果表明，該方法能夠有效處理具有復(fù)雜邊緣形態(tài)的葉片，如裂片葉和帶孔葉片，盡管對于高度局部變化的形態(tài)（例如鋸齒形邊緣）的重建依然存在一定的挑戰(zhàn)。此外，該研究還發(fā)現(xiàn)葉片大小和相機噪聲對重建精度有顯著影響，而圖像數(shù)量對重建閾值的影響較小。本研究還提出了基于遮擋指數(shù)（OI）的最優(yōu)支持閾值設(shè)置指南，這有助于在實際應(yīng)用中提高重建的準(zhǔn)確性。

研究結(jié)果證實了所提出的方法是一種有效的工具，可以用于量化評估以往難以通過傳統(tǒng)二維方法評估的植物葉片的三維形態(tài)特征。該方法的非破壞性特性使其在植物生理學(xué)、功能生態(tài)學(xué)和栽培管理等領(lǐng)域具有廣泛的應(yīng)用潛力。此外，該方法還能夠與評估植物其他器官的方法結(jié)合使用，以捕捉整個植物的結(jié)構(gòu)。通過整合層次化的形態(tài)特征，該方法將有助于推進我們對植物生理學(xué)、功能生態(tài)學(xué)和栽培管理的理解。

圖1 3D 葉邊緣重建方法概述，該方法從多視圖圖像重建 3D 葉子邊緣。(A) 使用 Mask R-CNN 對每個圖像中的每個葉子進行分割。(B) 從分割的葉子中檢測每個 2D 葉子邊緣。(C) 基于 SfM 估計相機位置和方向。同時，獲得稀疏點云數(shù)據(jù)和投影矩陣用于葉子對應(yīng)步驟，其中（D）識別多視圖圖像中的葉子。(E) 使用 3D 曲線草圖在 3D 空間中重建曲線片段，該草圖集成了 2D 葉子邊緣、投影矩陣和葉子對應(yīng)關(guān)系。(F) 在對應(yīng)于單個葉子的每組 3D 曲線片段上擬合閉合 B 樣條曲線后獲得 3D 葉子邊緣

圖2 重建實際大豆植株葉片的3D邊緣

論文鏈接：
https://doi.org/10.34133/plantphenomics.0181

——推薦閱讀——
Quantifying Contributions of Different Factors to Canopy Photosynthesis in Two Maize varieties: Development of a Novel 3D Canopy Modeling Pipeline
https://doi.org/10.34133/plantphenomics.0075
Plant Phenomics | 玉米品種間冠層光合效率差異的多因素貢獻率解析：一種新的三維冠層建模流程
Enhancing green fraction estimation in rice and wheat crops: a self-supervised deep learning semantic segmentation approach
https://doi.org/10.34133/plantphenomics.0064
Plant Phenomics |【模型公開】從三維模擬到田間應(yīng)用：水稻小麥冠層動態(tài)表型

加入作者交流群
掃碼添加小編微信，拉您進入《植物表型組學(xué)》作者交流群，群內(nèi)不定期開展作者分享會、�？�發(fā)布會等高質(zhì)量活動。

添加小編微信，備注姓名+單位+PP，加入作者交流群

《植物表型組學(xué)》（Plant Phenomics）是由南京農(nóng)業(yè)大學(xué)和美國科學(xué)促進會（AAAS）合作創(chuàng)辦的英文學(xué)術(shù)期刊，于2019年1月正式上線發(fā)行。采用開放獲取形式，刊載植物表型組學(xué)交叉學(xué)科熱點領(lǐng)域具有突破性科研進展的原創(chuàng)性研究論文、綜述、數(shù)據(jù)集和觀點。具體范圍涵蓋高通量表型分析的最新技術(shù)，基于圖像分析和機器學(xué)習(xí)的表型分析研究，提取表型信息的新算法，作物栽培、植物育種和農(nóng)業(yè)實踐中的表型組學(xué)新應(yīng)用，與植物表型相結(jié)合的分子生物學(xué)、植物生理學(xué)、統(tǒng)計學(xué)、作物模型和其他組學(xué)研究，表型組學(xué)相關(guān)的植物生物學(xué)等。期刊已被DOAJ、Scopus、PMC、EI和SCIE等數(shù)據(jù)庫收錄�？祁Ｎò睯CR2023影響因子為7.6，位于農(nóng)藝學(xué)、植物科學(xué)、遙感一區(qū)。2023年中科院期刊分區(qū)位于農(nóng)林科學(xué)大類一區(qū)。2020年入選中國科技期刊卓越行動計劃高起點新刊項目、2024年入選江蘇科技期刊卓越行動計劃領(lǐng)軍期刊項目。

說明：本文由《植物表型組學(xué)》編輯部負(fù)責(zé)組稿。
中文內(nèi)容僅供參考，一切內(nèi)容以英文原版為準(zhǔn)。
撰稿：張帆航（南京農(nóng)業(yè)大學(xué)）
編輯：張婕（上海交通大學(xué)）
審核：孔敏、王平