Plant Phenomics | 實(shí)地環(huán)境下的3D植物幾何重建：神經(jīng)輻射場(chǎng)技術(shù)解析

隨著全球糧食生產(chǎn)面臨日益復(fù)雜的挑戰(zhàn)，深入了解植物結(jié)構(gòu)已成為農(nóng)業(yè)研究中不可或缺的一環(huán)。這不僅僅關(guān)乎表面上的視覺(jué)呈現(xiàn)，更重要的是，通過(guò)精準(zhǔn)捕捉植物復(fù)雜的幾何細(xì)節(jié)。這些細(xì)節(jié)對(duì)于推動(dòng)作物表型分析、改良品種和育種研究具有極其重要的意義。為了應(yīng)對(duì)這一需求，越來(lái)越多的研究致力于開(kāi)發(fā)精確的3D植物重建技術(shù)。然而，傳統(tǒng)的3D重建方法在捕捉植物復(fù)雜的幾何細(xì)節(jié)上往往力不從心，這些細(xì)節(jié)的準(zhǔn)確重建對(duì)于更好地理解植物的發(fā)育過(guò)程和生態(tài)適應(yīng)性至關(guān)重要。NeRF作為計(jì)算機(jī)視覺(jué)和圖形學(xué)中的前沿技術(shù)（特別是在植物科學(xué)研究中）能夠捕捉精細(xì)的結(jié)構(gòu)細(xì)節(jié)，為深入了解植物結(jié)構(gòu)提供了潛力，并有望成為植物表型分析和育種中的重要工具。

2024年9月，Plant Phenomics 在線(xiàn)發(fā)表了Iowa State University完成的題為Evaluating Neural Radiance Fields for 3D Plant Geometry Reconstruction in Field Conditions 的研究論文。該研究對(duì)NeRF方法進(jìn)行了詳細(xì)評(píng)估，以評(píng)估其在高分辨率植物結(jié)構(gòu)3D重建中的適用性和有效性，對(duì)不同NeRF實(shí)現(xiàn)方案的比較分析，以確定最適合特定植物建模需求的框架，并提出了一種早停算法，以在模型精度的改進(jìn)不再能合理地平衡計(jì)算成本時(shí)提前終止訓(xùn)練，從而顯著降低計(jì)算成本。針對(duì)不同場(chǎng)景的重建結(jié)果（如圖1所示）表明，NeRFacto在精度、召回率、F1 分?jǐn)?shù)和圖像質(zhì)量指標(biāo)方面表現(xiàn)最為優(yōu)越，非常適合需要高精度和完整性的3D建模應(yīng)用（如圖2所示）。然而，其在較高迭代次數(shù)下的時(shí)間低效性可能限制其在時(shí)間敏感場(chǎng)景中的使用。Instant-NGP 在性能和效率之間表現(xiàn)出良好的平衡，使其成為適用于中等需求場(chǎng)景的可行選擇。

圖1 輸入到 NeRF的示例圖像，涵蓋三個(gè)不同場(chǎng)景。(A) 場(chǎng)景I：室內(nèi)單一物體。(B) 場(chǎng)景II：室內(nèi)多個(gè)物體。(C) 場(chǎng)景III：戶(hù)外場(chǎng)景。

圖2 不同 NeRF技術(shù)在不同場(chǎng)景下的 3D 重建精度和召回率。

本研究主要價(jià)值是討論了對(duì)不同NeRF模型進(jìn)行3D植物重建的結(jié)果，探討其優(yōu)越性的理論基礎(chǔ)。這有助于理解和改進(jìn)NeRF模型在植物研究中的應(yīng)用，從而為植物表型分析和育種研究提供更高質(zhì)量的數(shù)據(jù)。

論文鏈接：
‍https://doi.org/10.34133/plantphenom‍ics.0‍235

——推薦閱讀——
Plant Phenomics | Eff-3DPSeg：使用高效標(biāo)注的深度學(xué)習(xí)方法進(jìn)行植物器官級(jí)分割
Plant Phenomics | 北京市農(nóng)林科學(xué)院基于玉米3D葉形的特征提取與分析
Plant Phenomics | 利用Helios 3D植物和輻射傳輸建�？蚣苣�擬自動(dòng)標(biāo)注的可見(jiàn)光和多/高光譜圖像

加入作者交流群
掃碼添加小編微信，拉您進(jìn)入《植物表型組學(xué)》作者交流群，群內(nèi)不定期開(kāi)展作者分享會(huì)、專(zhuān)刊發(fā)布會(huì)等高質(zhì)量活動(dòng)。

添加小編微信，備注姓名+單位+PP，加入作者交流群

About Plant Phenomics
《植物表型組學(xué)》（Plant Phenomics）是由南京農(nóng)業(yè)大學(xué)創(chuàng)辦的英文學(xué)術(shù)期刊，于2019年1月正式上線(xiàn)發(fā)行。采用開(kāi)放獲取形式，刊載植物表型組學(xué)交叉學(xué)科熱點(diǎn)領(lǐng)域具有突破性科研進(jìn)展的原創(chuàng)性研究論文、綜述、數(shù)據(jù)集和觀點(diǎn)。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(jī)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(shí)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(jì)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(kù)收錄�？祁Ｎò睯CR2023影響因子為7.6，位于農(nóng)藝學(xué)一區(qū)（1/125名），植物科學(xué)一區(qū)（13/265名），遙感一區(qū)（6/62名）。2023年中科院期刊分區(qū)位于農(nóng)林科學(xué)大類(lèi)一區(qū)。2020年入選中國(guó)科技期刊卓越行動(dòng)計(jì)劃高起點(diǎn)新刊項(xiàng)目、2024年入選江蘇科技期刊卓越行動(dòng)計(jì)劃領(lǐng)軍期刊項(xiàng)目。

說(shuō)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)。
編輯排版：王平、陳新月（浙江大學(xué)）
審核：尹歡、孔敏