基于学习与几何方法在精准葡萄栽培中三维点云分析的系统综述：部署证据评估

《Smart Agricultural Technology》：Learning-Based versus Geometric Three-Dimensional Point Cloud Analysis in Precision Viticulture: A Systematic Review of Deployment Evidence

　　

精准葡萄栽培（Precision Viticulture, PV）通过整合传感、地理空间分析与可变速率执行来指导亚区块或单株水平的靶向管理决策。三维（3D）传感技术（包括地面与航空LiDAR、运动恢复结构（SfM）摄影测量以及RGB-D深度相机）已成为获取高分辨率葡萄园监测所需几何、体积与结构数据的主要手段。三维点云是地参考或传感器坐标系下的坐标三元组（x, y, z）集合，通常附加光谱（RGB）与强度属性，以亚厘米至分米分辨率表征扫描场景的表面几何。将原始点云转化为对葡萄园任务有用的输出遵循一条通用处理流程：预处理阶段评估传感器数据的完整性与采集伪影，随后进行地理参考与辐射校准；主处理阶段依次执行滤波与裁剪以分离感兴趣区域、扫描间配准以对齐并合并多次采集为统一点云、降维与坐标变换以进行归一化与特征缩放、以及语义分割以将点云划分为农学意义的结构。处理后的点云产生三类输出：七类葡萄园任务类别的决策支持、量化（计数、体积、质量与指数）以及三维重建。机器学习（ML）与日益增多的深度学习（DL）方法已被应用于该流程的每一阶段，最广泛地集中于分割步骤以及下游的检测、计数与估计任务。基于学习的方法的理由是明确的：在简单无遮挡目标上可靠运行的几何规则算法在葡萄园冠层的复杂环境中失效，因为紧密果穗内的单个浆果相距毫米级、休眠枝条形成视觉上不可分辨的缠结、叶片在多个空间尺度上遮挡结构器官。然而，将该潜力转化为可部署的葡萄园技术已被证明远比在精选数据上演示困难。标注三维训练数据的采集与标注成本高昂，且标注负担落在恰最无力承担的组织身上。点云的非结构化与不规则性阻止了标准二维卷积架构的直接使用，并限制了在实际田间平台所搭载的嵌入式低功耗硬件上可运行的内容。传感器噪声、可变点密度与天气依赖的采集质量引入了分布偏移，降低了在小规模单站点数据集上训练的模型性能。世界各葡萄酒产区的培训系统、葡萄品种与物候阶段的多样性进一步加剧了这一问题，以致在一个葡萄园验证的模型可能无法迁移至下一个——本综述发现这一风险在很大程度上未经检验：超越研究自身数据的评估在整个语料中极为罕见。其后果是该领域的算法能力与操作就绪度以显著不同的速率推进，而基于学习的工作试图取代的非学习几何方法仍然支撑着本语料所描述的商业可用系统。先前工作已综述了该问题的相关子集。Moreno与Andújar调查了截至2022年的地面近端三维传感用于葡萄表征，并将基于学习的方法确定为主要未来方向。Miranda等人编录了跨物种的基于AI的果实检测与 sizing，汇编了17个公共数据集并对CNN架构进行目标检测与产量估计的基准测试。Sassu等人考察了2011–2020十年间无人机系统（UAS）在精准葡萄栽培中五个监测领域的应用。Ferro与Catania进行了迄今范围最广的PV调查，覆盖1999至2022年约561项Scopus索引研究，涵盖从卫星到地面的所有空间尺度。Wandkar等人建立了可变速率喷洒的传感器与控制基线，基于学习的冠层管理系统目前旨在超越该基线。Sharma等人综述了基于UAV的水分胁迫检测，确认三维数据融合在病害、胁迫与逆境评估中仍是一个开放缺口。Comparetti等人探讨了地中海葡萄园精准管理区划的农学原理。在实证层面，Andújar等人对LiDAR、RGB-D与UAV SfM用于冠层体积制图进行了基准测试并附经济比较，而Parr等人在田间条件下评估了五种RGB-D相机技术用于近端葡萄串传感。总体而言，这些工作展示了葡萄园三维数据日益增长的研究兴趣，但共有四项局限：无一专门聚焦于三维点云与深度模态作为主要分析基质；无一在全面的葡萄园任务类别集上应用统一的基于学习与基于学习的分类法；无一评估所综述方法向田间部署推进的程度，使技术开发者和采用者缺乏判断哪些方法已就绪可用、哪些仍属实验性的依据；无一以PRISMA 2020报告指南所要求的形式报告其检索与选择：完整检索策略、选择过程以及每条排除记录的记录理由。本文通过对精准葡萄栽培中三维点云与深度传感方法的系统文献综述来填补这些缺口，按照PRISMA 2020指南报告，综合了183篇文章（54篇基于学习（LB）、113篇非基于学习（NLB）以及16篇支撑文献（SL）贡献），通过三条互补查询字符串从Scopus检索2018年至2026年4月的出版物。文章被分类为七个葡萄园特定任务类别：器官检测与分割（ODS）、产量与品质估计（YQE）、机器人感知与导航（RPN）、冠层与作物管理（CCM）、冠层表型与估计（CPE）、病害、胁迫与逆境评估（DSA）以及葡萄园制图与表征（VMC）。本综述做出三项贡献，旨在供开发、采购或部署葡萄园传感技术的人员直接使用。第一，LB与NLB子集被并行而非孤立分析，以便在每个任务类别内比较算法复杂性、部署证据与性能。在部署证据上，两个流派并无分离，器官检测与分割除外。第二，每个任务类别与流派被置于三阶段证据画像上，区分仅在受控环境中评估的工作、在运作葡萄园中评估的工作以及有记录的操作使用，以便将采用决策与研究愿景区分开来。在167项主要研究中，141项在运作葡萄园中评估，26项仅在受控环境中评估；无一有记录的操作使用。第三，本综述量化了独立于算法选择而制约进展的共享基础设施缺陷（数据集稀缺、评估协议不兼容以及未经证实的跨站点泛化），并确定了可缓解这些缺陷的具体社区投资。据研究人员所知，这是首个按照PRISMA 2020清单报告的葡萄园三维数据分析综述；该主张的边界见§3.4.3。

研究背景方面，葡萄园管理是劳动密集型且空间异质的：冠层结构、浆果发育、病害压力、水分状态与修剪负荷在单一葡萄园区块内因品种、培训系统、行向与生长季节而显著变化。精准葡萄栽培（PV）通过整合传感、地理空间分析与可变速率执行来指导亚区块或单株水平的靶向管理决策，降低投入成本、改善果实品质并支持更可持续的生产。然而，任何精准干预的操作价值不仅取决于支撑其的空间信息质量，还取决于产生该信息的传感与分析链能否在田间条件下可靠、可负担且可重复地运行。三维（3D）传感技术已成为获取高分辨率葡萄园监测所需几何、体积与结构数据的主要手段。机器学习（ML）与深度学习（DL）方法已被应用于三维点云处理流程的每一阶段，最广泛地集中于分割步骤以及下游的检测、计数与估计任务。然而，将潜力转化为可部署的葡萄园技术已被证明远比在精选数据上演示困难：标注三维训练数据成本高昂，点云的非结构化与不规则性阻止了标准二维卷积架构的直接使用，传感器噪声与天气依赖的采集质量引入分布偏移，培训系统与品种的多样性进一步加剧了模型迁移风险。先前综述存在四项共同局限：无一专门聚焦于三维点云与深度模态；无一应用统一的基于学习与非基于学习分类法；无一评估方法向田间部署推进的程度；无一按照PRISMA 2020指南报告。研究人员开展了首个按照PRISMA 2020报告指南的葡萄园三维点云与深度传感方法系统文献综述，综合了183篇文章（54篇LB、113篇NLB、16篇SL），分类为七个葡萄园特定任务类别。主要结论为：无任何方法有记录的操作使用，141/167项主要研究在运作葡萄园中评估、26项仅在受控环境中评估；基于学习的方法仅在器官检测与分割中领先；仅有五个公共三维葡萄园数据集，共享基准是最高优先事项。重要意义在于为技术开发者、集成者与采用者提供了基于证据的部署就绪度评估框架，并量化了制约领域进展的共享基础设施缺陷。

技术方法方面，本综述在Scopus中于2026年4月执行系统文献检索，设计三条互补查询字符串（Query A：基于学习、三维、葡萄栽培；Query B：三维、葡萄栽培、无ML过滤；Query C：边界高光谱/多光谱检查），并运行扩展变体以提高召回率。检索结果与2025年1月至2026年1月间三阶段探索性检索产生的先前语料合并，经跨查询去重后共评估330条记录。纳入标准包括：领域须涉及田间或受控农业环境中的葡萄园或葡萄藤数据；三维数据类型须为真实三维点云或深度数据（LiDAR、RGB-D/ToF、SfM摄影测量、立体视觉、NeRF重建或体素表示）；出版日期2018年起；文献类型为期刊论文、综述、数据论文或会议论文；可检索性。筛选在标题与摘要层面进行，由第一作者执行并记录每条排除理由，第二作者基于相同标准评估全部330条记录并批准纳入集。数据提取由两位作者依据提取表进行，分类规则在提取前固定。每项主要研究记录五项属性：是否在运作葡萄园中评估、是否在同一数据上评估外部基线、评估数据集是否为公共或专用、是否发布方法代码、评估数据集报告规模。部署证据分为三阶段：阶段1受控环境、阶段2运作葡萄园、阶段3操作使用。

研究结果方面，第一，时间分布与分类概述：2018–2026年183篇文章中，2022–2026年占117篇（63.9%）；基于学习文章从2018–2020年的2、3、2篇升至2023年5篇、2024年11篇、2025年16篇，2024年首次LB文章（11篇）超过NLB文章（7篇），2024–2026年合并期31/58（53.4%）为LB。CPE为最大类别（42篇，23.0%），ODS（23篇，12.6%）与RPN（20篇，10.9%）为基于学习三维方法的两大主要应用场景。第二，3D数据采集格局：LiDAR为NLB主导传感器（39/113 NLB，仅3篇LB），集中于CCM与RPN；RGB-D相机为LB主导传感器（25/54 LB，46.3%），集中于ODS-LB与RPN-LB；SfM摄影测量（SfM 22篇、SfM-MVS 28篇，合计50篇，27.3%）广泛分布但NLB主导（37 NLB vs 12 LB）。第三，基于学习方法（54篇）：ODS为最活跃且LB主导类别（16/23，69.6%），2D-to-3D融合为主导范式（约三分之二），peduncle深度估计RMSE 2.25 cm在夹爪容差内，强化学习视点规划在商业V型架葡萄园田间验证检测成功率86.4%（完全遮挡下56.3%）；YQE为第二大LB主导类别（10/19，52.6%），2024年起全部YQE研究文章为LB，DL-SLAM方法报告最低计数误差（5.95%，F1=0.977）；RPN为方法学最平衡类别（9 LB/11 NLB，45.0% LB）；CCM中5篇LB文章均发表于2022年后，分割-再-几何为主导模式；CPE为LB比例最低类别（4/42，9.5%），最佳LB CPE结果为RF R2=0.83（LAI），由传统ML而非DL实现；DSA为最小类别（3 LB/12 NLB），三维数据均扮演支持或使能而非主要角色。第四，非基于学习方法（113篇）：CPE为最大NLB类别（38篇），几何方法（投影表面估计、体素化、SLAM射线云、alpha-shape体积包络）主导；CCM分可变速率喷洒与冠层管理监测两个子簇，BPCC算法实现R2=0.94（冠层高度）与R2=0.89（冠层宽度）全生长周期自动参数化；VMC中几何结构特征（周期性行规则、树干球形度、LiDAR冠层高度）提供决定性判别信号；DSA中三维几何作为光谱分类器的校正层或结构衰退的体积代理；RPN中非学习几何方法报告行内导航精度在1.5–1.9 m行距安全边际内（横向RMSE≤13 cm）；YQE中 canopy geometry优于光谱指数作为产量代理；ODS中经典几何特征在结构化近距器官检测中仍具竞争力。第五，数据集、工具与综述：五个公共三维葡萄园数据集（VineLiDAR、EscaYard、TLS-Grapevine2024、GrapesNet、Fri?lBot），四个开放获取、一个应要求提供；两个合成数据生成工具（DAVIS-Ag、PROMORE）均仅导出二维图像而非三维点云；九篇先前综述均未使用PRISMA 2020。第六，部署证据评估：167项主要研究中141项在运作葡萄园中评估、26项仅在受控环境中评估，无一达到操作使用阶段；NLB器官检测为唯一多数文章从未在运作葡萄园中评估的类别与流派（4/7）；LB器官检测则为16篇中10篇田间评估，是两流派在部署证据上唯一分离之处且有利于LB。第七，数据集稀缺、基准碎片化与可复现性：仅五个公共三维葡萄园数据集，38/54（70.4%）LB文章完全使用私有数据集训练与测试，无任何三维葡萄园数据集被超过两项主要研究使用；54篇LB文章报告54种不同主要性能指标，跨研究性能比较在结构上不可能；141/167项研究在运作葡萄园中评估，但仅26项（16 LB/10 NLB）有公共数据集支撑评估、11项（5 LB/6 NLB）发布代码。第八，任务逐类批判性评估：ODS为LB工作最发达类别，关键限制为原生三维模型的标注瓶颈；YQE全部10篇LB文章在真实户外田间条件测试，但仅一篇将计数与采收果实核对，验证缺口显著；RPN中仅两篇报告物理操作结果，田间规模果实切割或葡萄采收无LB验证；CCM中NLB主导（19 vs 5），两流派仅剂量控制一项任务可直接比较且证据未分离二者；CPE中无证据表明LB优于NLB基线在冠层参数估计任务上；DSA为证据最弱类别，三篇LB文章均使用私有数据集、无跨数据集测试；VMC中七篇LB文章均真实户外验证，三篇有记录超越开发数据集评估。第九，研究缺口与未来方向：八项优先研究方向——公共标注三维葡萄园基准数据集、原生三维深度学习用于葡萄园点云、跨品种与跨地理泛化评估、Sim2Real迁移与合成数据利用、规模化标注高效学习、病害与胁迫检测的多模态传感器融合、实时嵌入式部署与任务级验证、标准化性能报告协议。

讨论部分总结：本综述按照PRISMA 2020指南报告，综合183篇文章，分析基于学习与非基于学习文献并行而非将深度学习视为唯一关注轨迹，使每个任务类别与流派被置于三阶段证据画像上并比较各自报告的证据以及在两流派均尝试同一任务时的结果。主要实践发现涉及部署证据而非算法性能：语料中无任何方法有记录的操作使用；领域绝大多数处于运作葡萄园评估阶段，在14个类别-流派组中的13个为主导阶段，剩余一个（NLB器官检测）为受控环境工作。两流派唯一分离的类别为器官检测与分割，语义实例级检测本质上是基于学习的任务，手工几何方法难以胜任。DSA为两流派证据最弱类别，YQE仍受标准化基准缺失与可见计数精度和验证采收产量之间未解决缺口的限制。对于种植者与技术提供者，实践含义为：几何非学习系统在冠层基剂量控制、冠层评估与行导航方面承载更大体量田间证据，而基于学习方法在逐器官语义任务上证据更佳；无任何类别已发表证据确立操作就绪度。架构组成方面，五种架构家族构成LB语料：最大者（39/54，72%）遵循2D-to-3D融合范式，利用大规模二维预训练、降低标注成本并在Jetson级边缘硬件上实现实时推理；原生三维深度学习架构仅占六分之一，集中于ODS，但在需要几何推理的任务上持续优于2D融合基线；SLAM增强DL系统跨越YQE、RPN与VMC，为语料中架构最集成的系统；NeRF与传统ML构成第四、第五家族。三项结构性障碍独立于算法选择制约领域进展：数据集稀缺、基准碎片化（54篇LB文章54种不同主要指标字符串）以及跨品种、生长季节与葡萄园站点的泛化在很大程度上未经证实。四项投资将最大加速领域发展：共享开放许可标注三维葡萄园基准、系统应用原生三维架构、跨品种跨季节跨地理评估成为标准报告期望、评估协议从精度中心指标转向农学结果度量。2024–2026年队列中标注高效自监督学习、NeRF合成数据生成与基础模型适应的汇聚表明葡萄园三维DL性能跃升的使能条件正在形成；该潜力能否到达葡萄园，较少取决于进一步架构改进，而更多取决于本综述确定为研究社区最高优先投资的基准基础设施、标准化报告协议与开放数据框架，以及采用结果度量使种植者与技术提供者按农学结果而非仅按检测精度判断这些系统。研究结论翻译：本系统综述考察了三维点云与深度传感方法在精准葡萄栽培任务中的应用，按照PRISMA 2020指南报告，综合了七个任务类别下的183篇文章（54篇基于学习、113篇非基于学习与16篇支撑文献贡献）：器官检测与分割、产量与品质估计、机器人感知与导航、冠层与作物管理、冠层表型与估计、病害、胁迫与逆境评估以及葡萄园制图与表征。并行分析基于学习与非基于学习文献，而非将深度学习视为唯一关注轨迹，使每个任务类别与流派被置于三阶段证据画像上，并在两流派均尝试同一任务时比较各自报告的结果。据研究人员所知，这是首个按照PRISMA 2020清单报告的葡萄园三维数据分析综述。主要实践发现涉及部署证据而非算法性能。语料中无任何方法有记录的操作使用：在全部167项主要研究中，无一报告超越作者自身实验的常规使用系统或作为产品可用。领域绝大多数处于运作葡萄园评估阶段，在14个类别-流派组中的13个为主导阶段；在剩余一个（非基于学习器官检测）中，为受控环境工作。超越开发数据集的评估记录于54篇基于学习中的14篇与113篇非基于学习中的24篇；研究人员将这些作为记录计数给出，不在其上比较两流派，因为该指标未被验证在两个流派中应用了相同阈值。两流派分离的唯一类别为器官检测与分割，其中16篇基于学习文章中有3篇超越开发数据集评估，而7篇非基于学习文章中无此类记录且4篇仅为实验室研究：单个浆果、果穗与枝条的语义实例级检测本质上是基于学习的任务，手工几何方法难以胜任。病害、胁迫与逆境评估为两流派中证据最弱类别，两流派中无文章超越其开发数据集评估，反映了标注田间病害数据的稀缺；产量与品质估计仍受标准化基准缺失与可见计数精度和验证采收产量之间未解决缺口的限制。一个维度被有意不予主张：提取数据集记录研究是否超越其开发数据集评估，但不记录该评估的规模或持续时间，因此画像低估了最大规模与最长运行的非基于学习项目。对于种植者与技术提供者，实践含义为：几何非学习系统在冠层基剂量控制、冠层评估与行导航方面承载更大体量田间证据，而基于学习方法在逐器官语义任务上是证据更佳的路径。无任何类别中已发表证据确立操作就绪度。LB语料的架构组成解释了大部分就绪度模式。五种架构家族构成语料。最大者（54篇中的39篇，72%）遵循2D-to-3D融合范式：预训练二维检测或分割骨干（YOLO变体、Mask R-CNN、U-Net家族）应用于RGB通道，其输出通过来自共配准RGB-D相机或SfM重建的对齐深度图提升至三维。该范式主导ODS、RPN、YQE、CCM与VMC，因为它利用大规模二维预训练、降低标注成本并在Jetson级边缘硬件上提供实时推理。原生三维深度学习架构（PointNet++、稀疏CNN、基于窗口的Transformer）仅出现在六分之一LB文章中，集中于ODS，但在需要几何推理的任务上持续优于2D融合基线。SLAM增强DL系统将学习语义组件集成于连续制图与定位环路内，跨越YQE、RPN与VMC，代表语料中架构最集成的系统。神经场景重建（NeRF）与传统ML方法（RF、SVM、RVM、MBPLS）构成第四、第五家族。前者在CPE与ODS中处于概念验证阶段，后者出现在全部七个类别中并在CPE中占主导，其中几何点云特征仍为操作标准。基础模型零样本提示（SAM、GroundingDINO）与标注高效自监督学习虽非独立架构家族，但仅出现在最新论文中，是当前活动最清晰的方向。实用上占主导的范式同时也是丢弃最多可用几何信息的范式，是该领域核心方法学张力。三项结构性障碍独立于算法选择制约领域进展。数据集稀缺将语料限制于五个公共三维葡萄园数据集，54篇基于学习文章中的38篇依赖完全私有训练集，无任何三维葡萄园数据集被超过两项主要研究使用。基准碎片化是彻底的：54篇LB文章中54种不同主要指标字符串使跨研究性能比较在结构上不可能，超越研究自身数据的评估记录于每个流派的少数文章，计数如上给出。跨品种、生长季节与葡萄园站点的泛化在很大程度上未经证实：绝大多数LB文章在单一品种、单一季节与单一地点验证，语料中无研究报告超过三个地理上不同站点的持续性能。这些是基础设施缺陷而非研究问题，是累积演示未转化为可部署系统的原因。四项投资将最大加速领域发展。共享开放许可标注三维葡萄园基准（覆盖多种培训系统、品种、物候阶段与光照条件）是最高杠杆的社区基础设施行动，也是原生三维DL发展的使能条件。系统应用原生三维架构（稀疏CNN、Point Transformer、PointMAE）于葡萄园点云是本综述确定的、最有可能缩小几何精度重要处所报告与非学习方法差距的方向。跨品种、跨季节与跨地理评估应成为葡萄园三维DL研究的标准报告期望，取代当前语料特征性的单站点、单品种设计。进一步优先事项是评估协议从精度中心指标向农学结果度量的转变（即采收后产量而非可见浆果计数、修剪成功率而非枝条检测F1、农药减量而非冠层分割IoU）。2024–2026年队列中标注高效自监督学习、NeRF合成数据生成与基础模型适应的汇聚表明葡萄园三维DL性能跃升的使能条件正在形成。该潜力能否到达葡萄园，较少取决于进一步架构改进，而更多取决于本综述确定为研究社区最高优先投资的基准基础设施、标准化报告协议与开放数据框架，以及采用结果度量使种植者与技术提供者按农学结果而非仅按检测精度判断这些系统。