基于点云技术的花生植株三维表型分析流程开发与应用

本研究开发了一套基于点云的花生植株三维表型分析流程，通过多视角成像系统（MVS-Pheno V2）重建三维点云，构建首个开源标注数据集（188个样本），并采用基于Transformer的语义分割与实例分割模型实现高精度器官识别，最终自动提取11个植株/器官尺度表型性状（如株高、叶长等），为花生智能育种提供高效高通量（high-throughput）表型分析工具。

　　

³D Reconstruction of peanut plants

为重建三维RGB点云，本研究使用MVS-Pheno V2植物多视角成像平台（Wu et al., 2022）在花生多个关键生长阶段采集多视角图像。该平台包含两个树莓派相机（Sony IMX477R, 800万像素，图像分辨率4056×3040像素）、顶部电动转台、照明单元、数据采集控制器和成像舱。平台通过保持植物静止的同时旋转相机，以5°间隔捕获72张图像，整个过程在5分钟内完成。

³D reconstruction effect of peanut point clouds

本研究采用MVS-Pheno V2系统自动高效采集花生植株多视角图像，并利用多视角立体重建技术生成植株点云，从而相对准确地重建未遮挡区域的三维结构。然而，RGB相机无法穿透遮挡区域，这增加了这些区域三维结构重建的复杂性。这一问题在具有密集叶片和复杂结构的花生植株中尤为明显。

Discussion

与玉米（Zea mays）和小麦（Triticum aestivum）等作物相比，花生（Arachis hypogaea）的表型测量研究仍然有限。近年来，一些研究开始使用光学传感器进行花生表型分析，例如使用无人机影像测量观测叶面积指数（LAI）（Sayantan et al., 2021），使用CT图像估算荚果重量（Martha et al., 2022），以及通过高光谱成像评估叶片色素含量（Kong et al., 2025）。Liu等人（2023）的研究虽然实现了植株尺度表型测量，但未能实现器官级性状提取。本研究首次实现了花生植株多尺度（植株和器官）三维表型性状的自动化提取。

Conclusion

本研究建立了一套基于点云的花生植株三维表型性状分析流程。我们采用多视角图像重建技术生成花生植株点云，并构建了包含188个样本的标注点云数据集。我们设计并训练了基于Transformer的语义分割模型和叶片实例分割模型，以识别盆栽花生植株点云并提取叶片器官。基于分割结果，开发了11种植株尺度和叶片尺度三维表型性状的自动提取算法。实验结果表明，该流程在表型测量中表现出高精度和良好的泛化能力，为花生智能育种和栽培研究提供了可靠的技术支持。