基于3D点云技术的油茶幼苗表型无损自动化检测算法开发与应用

本研究针对油茶(Camellia oleifera)幼苗表型分析中存在的精确茎叶分割难题，开发了融合层次分割算法与骨架提取技术的自动化检测系统。通过改进区域生长算法(方差比特征约束)和L1-median骨架化方法，实现了茎叶分割准确率95.5%，植株高度、茎径等5项表型参数提取精度达88.4%-96.7%，为经济作物精准育种提供了创新技术方案。

　　

油茶作为我国特色经济作物，其幼苗表型特征直接影响栽培管理和品种选育。然而传统人工测量方法效率低下且易损伤植株，现有基于点云技术的研究多集中于冠层和果实分割，难以实现茎叶器官的精确分离。针对这一技术瓶颈，国内某高校研究团队在《Smart Agricultural Technology》发表创新成果，开发了面向35-60cm高度油茶幼苗的自动化表型分析系统。

研究采用Azure Kinect DK相机搭建采集平台，通过K-4Pcs+G-ICP配准算法重建三维点云模型。关键技术包含：改进的区域生长算法（引入方差比特征约束）、L1-median骨架化结合Kruskal最小生成树的关键点搜索策略、基于生长方向的切片投影茎径测量算法，以及针对"Delaunay三角剖分内孔"的点集匹配修补技术。

研究结果方面：预处理阶段通过统计离群值滤波和RANSAC平面拟合，实现95.1%的背景去除精度。在茎叶分割环节，提出的层次分割算法通过循环执行"粗分割-骨架化-路径修复"操作，对单分支和多级分枝结构均表现出良好适应性，最终分割准确率较传统冠层分割方法提升2.5%-11.5%。表型参数提取显示：植株高度(R=0.96，RMSE=1.05cm)、主茎直径(R=0.94，RMSE=0.44mm)、叶面积(修补后R=0.88，RMSE=1.00cm²)等参数均达到实用精度要求。

该研究首次实现了油茶幼苗从器官级分割到多参数提取的全流程自动化，创新性地将骨架化技术与循环分割策略相结合，有效解决了多分枝结构的形态解析难题。虽然当前算法在成年植株复杂结构处理上存在局限，但提出的技术框架为其他多分枝作物表型研究提供了可借鉴的解决方案。未来通过引入高精度LiDAR设备和多尺度分割策略，有望进一步拓展该技术在木本经济作物全生命周期表型分析中的应用价值。