科学网-Agronomy：华南农业大学园艺学院植物工厂课题组——基于三维重构技术的生菜生长监测模型构建-MDPI开放科学的博文

Agronomy：华南农业大学园艺学院植物工厂课题组——基于三维重构技术的生菜生长监测模型构建

2025-4-26 09:46

阅读：550

来自华南农业大学园艺学院刘厚诚教授及其团队在 Agronomy 期刊发表了文章，介绍了一种采用三维重构技术实现对生菜鲜重预估的方法，不仅克服了传统生菜鲜重测量方法的局限性，同时从三维和二维领域为蔬菜生长监测提供了全新的、高效的解决方案，有利于完善植物工厂生菜生长监测和无损检测方法。

图像采集及三维重构流程图

生菜是一种世界普遍种植及消费的叶菜，同时也是植物工厂生产最主要的蔬菜种类。目前植物工厂面临着自动化程度偏低，栽培环境信息感知受限且冗余，作物生长信息获取难等问题，在测量植物工厂生菜鲜重时，仍需将植株从栽培板中移出，对植株根系具有一定的损伤，且在大规模生产时会耗费大量的时间及劳动力，因此无损检测技术的研究具有重要性及必要性。

随着机器视觉引入到农业生产上，作物表型信息的获取方式得到进一步的发展。目前，基于深度学习的图像处理技术主要应用于生菜的二维表型研究。植物作为一个复杂的有机整体，仅从一幅图像或单一视角分析整株植物的表型是不够全面客观的。通过三维模型提供的植物深度信息，可以更直观地监测植物的形态和生长也可以更容易估计其生物量。

作者在文中提出了一种基于三维重构技术对生菜鲜重进行预估的方法，通过采集不同生长阶段生菜数据作为训练集数据，不同株型生菜数据作为验证集数据，并采用偏最小二乘回归方法建模，K折交叉验证对模型进行评估。同时，基于上述试验提取生菜的株高株幅数据对鲜重进行预估，旨在将预估模型简化、降低预估成本、提高预估效率，完善植物工厂生菜生长监测方法，所得结果如下：

1.生菜体积与其鲜重具有极高的相关性，线性回归R2达到0.9902，采用生菜体积来预估其鲜重具有更高的准确性和稳定性。

生菜投影面积、体积与其鲜重的线性关系图

2.PLSR方法在单因素和多因素预估生菜鲜重的模型构建上具有较高的可行性。采用PLSR方法所构建的生菜鲜重预估模型具有一定的稳定性和可信度，其测试数据集R2达到了0.9693，RMSE和MAE分别为3.3599和2.5232。且相比于采用相同生长阶段的生菜进行建模，结合生菜不同生长阶段的数据进行模型构建，具有更高的准确性，更能增强模型的泛化能力。

基于三维重构生菜鲜重预估模型的训练集与测试集

3.远红光增补能够影响生菜株型结构，将远红光增补下的生菜数据单独建立新预估模型以适应远红光条件下的生菜监测，R2达到了0.8879，RMSE和MAE分别为4.3660和3.2299。

不同远红光处理下的生菜形态图

基于远红光增补下生菜鲜重预估模型的训练集与测试集

4.利用生菜的株高、株幅数据对鲜重进行预估也具有一定的稳定性和可信度，测试数据集R2达到了0.8970，RMSE和MAE分别为3.1206和2.4576。与采用三维重构体积预估的方法相比较，虽然模型准确性稍显下降，RMSE增大了2.30%，但数据获取速度、运行效率以及设备对人工光植物工厂生产环境的适配性能大大提高，进而降低了人工光植物工厂作物监测成本。

基于二维指标下生菜鲜重预估模型的训练集与测试集

研究总结

本文采用三维重构技术重建生菜的三维模型，通过设置不同生长阶段生菜作为训练集数据建立生菜鲜重预估模型，不同株型生菜作为验证集数据，并采用PLSR方法建模，K折交叉验证对模型进行评估。同时，基于上述试验提取生菜的株高株幅数据对鲜重进行预估，从三维和二维领域为植物工厂生菜生长监测领域提供了全新的、高效的鲜重预估方案，有利于完善植物工厂生菜生长监测和无损检测方法。

除了三维重构技术，如何结合多光谱、高光谱等光谱设备对作物营养品质指标进行预估，构建出既能监测作物形态指标又能动态监测其营养品质指标的监测平台，为人工光植物工厂智能化生产提供解决方案，仍是下一步需要解决的难题。

原文出自 Agronomy 期刊：https://www.mdpi.com/2073-4395/15/1/29

期刊主页：https://www.mdpi.com/journal/agronomy

团队介绍