基于无人机三维冠层重建的无损草莓生物量估算：SfM、NeRF与高斯泼溅法的比较研究

《Smart Agricultural Technology》：UAV-Based 3D Canopy Reconstruction for Non-Destructive Strawberry Biomass Estimation: Comparison of SfM, NeRF, and Gaussian Splatting

　　

专业摘要翻译 草莓育种者旨在优化果实产量和植株生物量，期望实现高生产力与可控株型，以便高效栽培和资源管理。虽然测量果实产量相对简单，但估算植物生物量则更为复杂，通常需要破坏性取样。本研究提出了一种非破坏性方法，用于在田间估算草莓植株体积，作为生物量预测的代理指标。为此，研究人员采用了一个搭载相机的地面平台来捕捉高分辨率多视角图像，同时辅以一架无人驾驶飞行器（UAV）对相同草莓小区进行360度高清视频录制，随后再进行生物量收集。利用三种三维重建方法生成了小区的三维点云模型，包括运动恢复结构（SfM）摄影测量、神经辐射场（NeRF）以及通过表面对齐高斯泼溅渲染（SuGaR）进行的网格重建，并通过地面标记物实现了地理空间优化。植株体积从模型的3D凸包中导出，并作为输入变量用于线性回归模型中的生物量预测。通过100次随机种子的五折交叉验证，UAV 3DGS+SuGaR方法在生物量预测中获得了最高的平均精度（R2 = 0.85, RMSE = 9.32 g, MAPE = 16.02%），尽管在统计上未检测到UAV 3DGS+SuGaR与处理时间显著更短的UAV SfM之间存在显著差异。这些结果表明了基于UAV的三维重建技术在无损、可重复估算草莓植株生物量方面的潜力。在将该方法应用于育种项目的高通量表型鉴定之前，仍需进一步实现植株分割和地面控制点检测的自动化，并在不同生长阶段进行验证。

论文解读文章

研究背景与问题

草莓（Fragaria × ananassa）是全球重要的经济水果作物。在育种工作中，优化果实产量和植物生物量是关键目标，理想状态是获得高产的同时保持适中的植株大小以利于管理和资源利用。然而，传统上植物生物量的测量依赖于破坏性取样，即收割植株后去除根、果等部分再称重。这种方法不仅劳动密集、耗时费力，而且无法对同一植株进行持续监测，严重制约了高通量育种筛选的效率。因此，开发一种精确、快速且非破坏性的生物量估算方法对于现代草莓遗传育种至关重要。

近年来，多种传感技术被用于非破坏性生物量估算，例如基于光谱指数（如归一化植被指数 NDVI）或多光谱影像的方法。然而，一维（如株高）或二维（如冠层覆盖度）的表型性状往往不足以全面反映植株的生物量。相比之下，三维（3D）性状，特别是冠层体积，被认为能提供更全面的估算依据。尽管已有研究利用运动恢复结构（SfM）等技术进行3D重建，但对于像草莓这样的小型叶类作物，如何选择合适的成像平台和先进的3D重建技术仍缺乏系统性指导。本研究正是为了填补这一空白，旨在比较不同图像采集系统和先进3D建模技术在田间草莓生物量估算中的性能。

研究方法概述

本研究在美国佛罗里达大学海湾海岸研究与教育中心（GCREC）的实验草莓农场进行，共选取了64株基因型不同的草莓植株。研究人员采用了两种图像采集平台：一是定制的地面成像平台，搭载三台高分辨率相机（一台顶部视角，两台侧方视角）并配备补光灯和遮光布，以稳定速度采集多视角图像；二是无人机（UAV）航拍平台，使用大疆Mavic 3 Pro无人机在12米高度以兴趣点（POI）模式环绕飞行，录制360度高清热红外视频。针对采集的数据，研究人员应用了三种3D重建技术：运动恢复结构（SfM）摄影测量法，通过Agisoft Metashape软件生成稠密点云；神经辐射场（NeRF），利用Nerfstudio框架中的Nerfacto模型训练并生成点云；以及三维高斯泼溅结合表面对齐高斯泼溅渲染（3DGS+SuGaR），该方法在COLMAP稀疏点云基础上生成表面对齐的网格模型。所有模型均通过地面控制点（GCP）进行了地理配准优化。最后，从单个植株的3D模型中提取凸包体积，并使用线性回归模型将其与实测干生物量进行关联分析。

研究结果

1. 数据采集方法与3D重建技术的比较

研究人员对比了地面SfM、UAV SfM、UAV NeRF和UAV 3DGS+SuGaR四种组合方法生成的草莓冠层体积。结果显示，不同方法估算的体积之间存在差异。其中，UAV 3DGS+SuGaR与UAV SfM方法估算的体积最为接近（CCC = 0.97），而UAV NeRF方法估算的体积与其他方法相比偏差较大。

2. 生物量预测模型的准确性评估

通过五折交叉验证（重复100次随机种子），研究发现：

• •
  UAV 3DGS+SuGaR 方法表现最佳，其生物量预测的R2达到0.85，RMSE为9.32克，MAPE为16.02%。
• •
  UAV SfM 方法的预测性能紧随其后（R2 = 0.84，RMSE = 9.78克，MAPE = 16.63%），且统计检验表明两者之间无显著差异。然而，UAV SfM所需的处理时间远少于UAV 3DGS+SuGaR。
• •
  地面SfM 方法也表现出较好的预测能力（R2 = 0.76，RMSE = 11.88克，MAPE = 20.96%）。
• •
  UAV NeRF 方法的预测效果最差（R2 = 0.47，RMSE = 17.77克，MAPE = 30.01%）。

总结与讨论

本研究成功证明，结合无人机（UAV）视频采集与3D重建技术（尤其是SfM或3DGS+SuGaR）可以作为一种非破坏性、可重复的方法来估算田间草莓植株的生物量。研究得出结论：UAV 3DGS+SuGaR方法在生物量预测中取得了最高的平均精度（R2 = 0.85），但UAV SfM方法在预测精度与之无统计学差异的情况下，所需计算时间大幅减少，因而在实际应用中更具效率优势。

讨论部分指出，UAV NeRF在本研究中表现不佳，可能与其点云生成过程中的噪声和几何失真有关，尤其是在处理精细的叶片结构时。地面SfM虽然受限于拍摄角度和光照条件，但仍展现了潜力。研究人员强调，尽管3DGS+SuGaR提供了高质量的网格模型，但其计算成本高昂。未来工作应聚焦于：1）实现植株分割和地面控制点检测的自动化；2）在不同生长阶段进行验证；3）探索将SfM或3DGS集成到高通量表型分析流程中，以提升草莓育种项目的效率。