植物表型分析在观察和理解植物的生长发育中起着至关重要的作用。在表型分析中，基于3D点云的植物器官分割近年来引起了越来越多的关注。然而，仅使用欧几里得空间的几何关系特征仍然无法准确地分割和测量植物。
2024年10月，Plant Phenomics在线发表了扬州大学缪旻珉教授团队题为Cucumber Seedling Segmentation Network Based on a Multiview Geometric Graph Encoder from 3D Point Clouds的研究论文。
为了挖掘更多几何特征，本研究提出了一种基于多视角几何图编码器的分割网络，命名为SN-MGGE。如图1所示，SN-MGGE通过几何图编码器（GGE）在欧几里得空间和双曲空间中生成点特征，涵盖几何关系和几何形状结构。该方法在语义分割中取得了94.90%的mIoU和97.43%的OA，显著提升了性能。如图2所示，基于分割结果能够准确测量四个植物表型参数，即植株高度、叶长、叶宽和叶面积，这四个参数的R²值均超过0.96。这表明，SN-MGGE满足植物表型参数的自动化和高精度提取需求，为实际农业种植提供了宝贵的技术支持和参考。
图1 SN-MGGE网络的架构
图2 提取值与测量值的表型参数比较。(A) 叶长。(B) 叶宽。(C) 植株高度。(D) 叶面积
该研究的贡献主要有三个方面：
（1）基于VisualSFM软件构建了高质量的单株黄瓜幼苗3D点云数据集。
（2）引入了几何图编码器（GGE），同时捕捉局部几何特征和层次结构信息，通过利用欧几里得和双曲几何的优势，增强了对复杂几何数据的理解和表示。此外，设计了一个语义分割网络（SN-MGGE），实现了从单株植物到器官的黄瓜幼苗点云的自动分割。最后，通过聚类方法从分割后的黄瓜幼苗点云中提取表型参数。
（3）在黄瓜幼苗和其他三种植物的点云上验证了SN-MGGE的分割效率和泛化能力。测试结果表明，SN-MGGE在处理不同植物种类的点云数据时表现良好。
https://doi.org/10.34133/plantphenomics.0254
https://doi.org/10.34133/plantphenomics.0190
Plant Phenomics | 南京农业大学基于点云的大豆分枝夹角提取算法开发与耐密植株型新性状发掘
Rice Plant Counting, Locating and Sizing Method Base on High-throughput UAV RGB Images
https://doi.org/10.34133/plantphenomics.0020
Plant Phenomics ESI高被引论文 | 基于高通量无人机RGB图像的水稻植株计数、定位和大小估计方法
《植物表型组学》（Plant Phenomics）是由南京农业大学创办的英文学术期刊，于2019年1月正式上线发行。采用开放获取形式，刊载植物表型组学交叉学科热点领域具有突破性科研进展的原创性研究论文、综述、数据集和观点。具体范围涵盖高通量表型分析的最新技术，基于图像分析和机器学习的表型分析研究，提取表型信息的新算法，作物栽培、植物育种和农业实践中的表型组学新应用，与植物表型相结合的分子生物学、植物生理学、统计学、作物模型和其他组学研究，表型组学相关的植物生物学等。期刊已被DOAJ、Scopus、PMC、EI和SCIE等数据库收录。科睿唯安JCR2022影响因子为7.6，位于农艺学一区（1/125名），植物科学一区（13/265名），遥感一区（6/62名）。2023年中科院期刊分区位于农林科学大类一区。2020年入选中国科技期刊卓越行动计划高起点新刊项目、2024年入选江苏科技期刊卓越行动计划领军期刊项目。
说明：本文由《植物表型组学》编辑部负责组稿。
特邀作者：解亚玲（扬州大学）
审核：尹欢、孔敏
