成人黄色在线观看,成人黄色免费在线视频,免费黄网站在线看,可以免费看黄的网址

應(yīng)用案例

基于改進(jìn)拉普拉斯算法的蘋(píng)果樹(shù)分枝分割與表型提取

發(fā)布時(shí)間：

2025-05-05

來(lái)源：

作者：

植物表型反映了其生理特性，為預(yù)測(cè)植物生長(zhǎng)提供了理論依據(jù)。結(jié)合三維點(diǎn)云和精準(zhǔn)分割技術(shù)能夠直接、準(zhǔn)確地對(duì)表型進(jìn)行提取和預(yù)評(píng)估。然而，點(diǎn)云固有的離散性質(zhì)使得準(zhǔn)確的器官分割成為該領(lǐng)域的持續(xù)性挑戰(zhàn)。

 

本文提出了一種基于點(diǎn)云配準(zhǔn)和主干分割的樹(shù)木表型獲取方法。關(guān)鍵步驟如下：①采用凸包索引的高斯混合模型(CH-GMM)對(duì)地面和空中點(diǎn)云數(shù)據(jù)進(jìn)行配準(zhǔn)。②提出一種拉普拉斯-多尺度自適應(yīng)算法(LMSA)獲取樹(shù)木主干結(jié)構(gòu)，并在此基礎(chǔ)上提取果樹(shù)的4個(gè)表型參數(shù)，即株高、冠幅、分枝數(shù)和初始分枝高度。此外，作者還探討樹(shù)冠寬度和分枝數(shù)之間的關(guān)系。
 
結(jié)果表明，CH-GMM算法回轉(zhuǎn)誤差小于1.01°，平移誤差小于10mm，成功率大于95%。該方法能夠?qū)μO(píng)果枯葉期樹(shù)木進(jìn)行準(zhǔn)確的分枝分割，LMSA的平均準(zhǔn)確率、平均召回率、平均F1值和平均總體準(zhǔn)確率分別為93.7 %、96.2 %、92.6 %和95.3 %。此外，蘋(píng)果樹(shù)冠寬度范圍為1600-3800mm，一次分枝數(shù)范圍為3-8次，二次分枝數(shù)范圍為6-19次，三次分枝數(shù)范圍為21-84次。
 
本研究首次提出利用CH-GMM算法互補(bǔ)對(duì)齊UPS和BLS點(diǎn)云，以獲得高質(zhì)量的點(diǎn)云數(shù)據(jù)?；贚MSA提取果樹(shù)主干，完成果樹(shù)枝干分割，發(fā)現(xiàn)了果樹(shù)分枝數(shù)和樹(shù)冠大小之間的多項(xiàng)式和指數(shù)關(guān)系。研究結(jié)果可為果樹(shù)表型獲得和表型管理提供新思路。

 

 圖1. 基于凸包索引高斯混合模型的對(duì)齊過(guò)程

 

 圖2. 樹(shù)木主干示意圖

 

 圖3. 表型參數(shù)確定(高度限制對(duì)寬度限制)

 

圖4. 回轉(zhuǎn)誤差、平移誤差和成功率與樹(shù)冠大小的函數(shù)關(guān)系

 

 圖5. 分割結(jié)果評(píng)估指標(biāo)

 

 圖6. 主干分枝的分割結(jié)果

 

 圖7. 樹(shù)冠寬度與分枝數(shù)的關(guān)系

 

 圖8. 蘋(píng)果樹(shù)表型參數(shù)自動(dòng)提取值與人工測(cè)量值的比較

 

表1. 比較對(duì)齊點(diǎn)云分割精度

 
來(lái) 源

Li, L., Fu, W., Zhang, B., Yang, Y., Ge, Y., & Shen, C. (2025). Branch segmentation and phenotype extraction of apple trees based on improved Laplace algorithm. Computers and Electronics in Agriculture.

 

編輯

JAYz

推薦新聞

石時(shí)之約|韓志國(guó)：透過(guò)表型數(shù)據(jù)，看見(jiàn)植物的喜怒哀樂(lè)！

本期石時(shí)之約，我們將對(duì)話慧諾瑞德（北京）科技有限公司總經(jīng)理、國(guó)際植物表型學(xué)會(huì)（IPPN）執(zhí)委會(huì)委員/工業(yè)分會(huì)副主席韓志國(guó)，一起從表型數(shù)據(jù)的科學(xué)角度，去讀懂農(nóng)作物的喜怒哀樂(lè)和前世今生。

慧科研、慧育種、慧種田——慧聚改變的力量

讓我們“慧聚”在一起，為“慧科研、慧育種、慧種田”賦能。

高通量植物表型平臺(tái)建設(shè)注意事項(xiàng)

育種，是在給定的環(huán)境條件下，選擇各種表型指標(biāo)(產(chǎn)量、品質(zhì)、抗性)最優(yōu)的基因型材料的過(guò)程(AI育種，從這里起步)。育種工作中大約70%的工作量來(lái)自表型觀察測(cè)量和篩選，是最耗人力物力的過(guò)程。

作物生理表型測(cè)量基礎(chǔ)原理

生理表型測(cè)量的核心在于“早、快”，要在肉眼可見(jiàn)之前就能測(cè)量并預(yù)判出變化趨勢(shì)，才是這個(gè)技術(shù)的核心價(jià)值。葉綠素?zé)晒獬上?，恰好滿足了這個(gè)要求。