叶片是植物的重要器官，具有多样的形态特征以满足不同的功能需求。传统的叶片形态量化主要基于二维方法，无法完全捕捉叶片三维特征。
2024年5月，Plant Phenomics 在线发表了日本九州大学题为Three-dimensional leaf edge reconstruction combining two- and three-dimensional approaches的研究论文，提出了一种结合二维图像分割和基于曲线的三维重建方法，用于三维叶片边缘重建。
本文提出的三维叶片边缘重建方法通过结合深度学习、结构光运动（SfM）、叶片对应识别和B样条曲线拟合等技术，成功地从多视图图像中重建了叶片边缘。结果表明，该方法能够有效处理具有复杂边缘形态的叶片，如裂片叶和带孔叶片，尽管对于高度局部变化的形态（例如锯齿形边缘）的重建依然存在一定的挑战。此外，该研究还发现叶片大小和相机噪声对重建精度有显著影响，而图像数量对重建阈值的影响较小。本研究还提出了基于遮挡指数（OI）的最优支持阈值设置指南，这有助于在实际应用中提高重建的准确性。
研究结果证实了所提出的方法是一种有效的工具，可以用于量化评估以往难以通过传统二维方法评估的植物叶片的三维形态特征。该方法的非破坏性特性使其在植物生理学、功能生态学和栽培管理等领域具有广泛的应用潜力。此外，该方法还能够与评估植物其他器官的方法结合使用，以捕捉整个植物的结构。通过整合层次化的形态特征，该方法将有助于推进我们对植物生理学、功能生态学和栽培管理的理解。
图2 重建实际大豆植株叶片的3D边缘
Plant Phenomics | 玉米品种间冠层光合效率差异的多因素贡献率解析：一种新的三维冠层建模流程
https://doi.org/10.34133/plantphenomics.0064
Plant Phenomics |【模型公开】从三维模拟到田间应用：水稻小麦冠层动态表型
《植物表型组学》（Plant Phenomics）是由南京农业大学和美国科学促进会（AAAS）合作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JCR2023影响因子为7.6，位于农艺学、植物科学、遥感一区。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。
审核：孔敏、王平
点击“在看”，助力传播
