点击蓝字，等你关注
01 论文基本信息
点击封面图阅读第9期
点击首页图阅读本文
题目： 基于机器视觉的三维重建技术在蔬菜上的应用综述
作者：张铭桂，琚俊，刘厚诚
第一单位：华南农业大学园艺学院
文章出处：张铭桂,琚俊,刘厚诚.基于机器视觉的三维重建技术在蔬菜上的应用综述[J].江苏农业科学,2024,52(9):27-35.
02 文章介绍
研究背景
蔬菜的生产及产量的预测是决定农业生产的关键因素，蔬菜生长指标（如高度、叶面积、体积、质量等）的传统测量方法是通过手动取样后的方式来测量，以生菜为例，生菜测量鲜质量需将生菜从栽培板中取出或者在菜地上进行破坏性采摘，在此过程中容易损伤其根系，同时会耗费大量的人工和时间，且测量结果也会因人操作问题而产生影响，因此通过三维重建技术对蔬菜非接触式无损检测的研究具有重要意义。
研究内容
三维重建技术
主动式三维重建
结构光法
是一种主动成像技术，通过向蔬菜投射特殊的光栅或图案，并捕捉反射回来的光线，从而计算出蔬菜的三维形态。这种方法具有高精度、高速度以及鲁棒性好等优点，但在室外环境下，由于环境光的干扰，其精度可能会受到影响。
结构光法示意图
三维激光扫描法
利用激光扫描仪对蔬菜进行扫描，获取其点云数据，并通过三维重建技术生成蔬菜的三维模型。这种方法具有高效率、高精度以及非接触式等优点，且不受环境光影响，大大减小了外部环境对测量的约束。在实际农业生产中，三维激光扫描法可以用于蔬菜的精准测量、生长监测以及病虫害检测等方面。
飞行时间法
飞行时间法(time of flight，简称TOF)的本质原理是“距离(s)=速度(v)×时间(t)”。通过向物体发射连续的脉冲光，当光信号遇到物体反射后，由接收传感器收到反射光信号，并计算通过发射到接收的时间差来确定物体的距离和深度信息。
TOF示意图
基于TOF技术设计的相机中，Kinect相机最具代表性。Kinect相机具有性价比高、结构简单、体积小巧、帧率高、实时性强、分辨率高、性能稳定等优点，在植物三维重建中得到广泛应用，并可用于测量植物参数包括高度和生物量估算。
被动式三维重建
一般是依靠环境光源，通过相机获取研究对象的图像，再通过特定算法来构建立体的三维模型的技术。根据相机数目不同可以分为单目视觉技术、双目视觉技术和多目视觉技术。
单目视觉技术
使用单个摄像头作为图片采集设备，通过连续图像来构建三维模型。这种方法成本低、易于部署，但只能在固定的距离下进行测量，无法随意改变测量距离。
单目视觉示意图
双目视觉技术与多目视觉技术
双目视觉技术和多目视觉技术通过模拟人的视觉或使用多个相机进行测量，可以获取更准确的深度信息。这些方法在蔬菜的三维重建中具有高精度和广泛的应用前景，可以用于蔬菜的精准测量、生长监测以及品质检测等方面。
双目视觉示意图
多目视觉示意图
基于端到端深度学习三维重建
与传统机器学习方法不同，端到端深度学习技术可以自动地学习特征表示和映射关系，不需要手动选择或设计特征提取器、分类器等复杂的预处理流程。基于端对端深度学习技术的蔬菜三维重建通常依次包括数据收集和预处理、模型选择、模型训练、模型测试与评估。
端对端深度学习示意图
植物三维重建技术在蔬菜领域的应用
蔬菜表型分析
三维重建技术可以用于蔬菜的表型分析，包括生长、形态、生理和产量等方面的评估。通过获取蔬菜的三维模型，可以计算出其各个部位的长度、宽度、高度等参数，进而评估不同品种或不同生长条件下的蔬菜生长变化情况。
蔬菜外观识别和分类
传统的蔬菜品质检测通常依赖于人工观察，这种方法耗时且主观性较强。而利用三维重建技术可以提取蔬菜表面的各种形态特征，并与数据库中已知蔬菜品类的三维模型进行比较，从而实现蔬菜外观的精准识别和分类。
病虫害防治
基于深度卷积神经网络和无监督方法的三维重建技术可以用于蔬菜的病虫害防治。通过对蔬菜表面的纹理、颜色、形状等进行分析，可以快速检测出蔬菜是否存在病虫害等问题，并帮助农户及时采取有效措施进行治疗。
蔬菜市场营销智能化管理
在蔬菜市场营销中，三维重建技术可以实现虚拟展示和陈列，让消费者更好地了解和选择自己喜欢的蔬菜品种。同时，通过数据存储和检索技术可以将蔬菜的三维模型信息进行管理、查询和比较，以方便销售商找到符合市场需求的蔬菜品种和品质。
展望
在技术不断发展的趋势下，三维重建技术在蔬菜领域拥有广泛的应用前景。展望未来，可以从以下几个方面进行探索和研究。
结合人工智能技术
将三维重建技术与深度学习等人工智能技术结合，实现更为准确的作物分类识别、表型分析和病虫害检测等任务。
进一步提高精度
针对三维重建技术的精度问题，采用先进的算法和设备，提升其精度和稳定性。
开放式生态系统
构建基于三维重建技术、农业生产信息化、决策支持系统等多个部分相互联系的开放式生态系统，以提高农业生产效率和产品品质。
基于机器视觉的三维重建技术能够实现蔬菜的非接触式无损检测，精准预估蔬菜株型，重建表型物理数据，提高蔬菜生产效率与经济效益。它能有效监测蔬菜生长情况，及时发现病虫害，辅助品质检测和分类，优化种植管理，推动蔬菜产业的现代化发展。
对农业生产的作用
03 作者及团队简介
第一作者
张铭桂
1999年生，广东阳江人，硕士研究生
研究领域：从事蔬菜领域机器视觉、数据分析、设施农业光调控、肥水调控相关研究。
科研成果：已在SCI和中文核心期刊发表论文2篇。授权软件著作权1项。
//
通信作者
刘厚诚
博士，教授，博士生导师
研究领域：从事蔬菜栽培生理生态、设施园艺、园艺植物光生物学、植物工厂技术、作物快速育种技术相关研究。
论文专利：已在Food Chemistry、Environmental and Experimental Botany、Journal of Integrative Agriculture等期刊共发表论文50余篇，引用1000余次。已授权发明专利6件。
基金项目：近年来主持完成国家重点研发计划2项，广东省重点领域研发计划1项。
//
04 延伸阅读
本刊相关论文推荐
基于实例分割苹果采摘机器人视觉定位与检测
高梦圆， 马双宝， 董玉婕， 林巍， 何毅
2022,50(3):201-208
点击右侧箭头免费下载 >>>>>
《江苏农业科学》（半月刊）1973年创刊，是江苏省农业科学院主管并主办的综合性农业科技期刊。
收录情况：入选中国精品科技期刊、北大中文核心期刊、中国科技核心期刊、RCCSE中国核心期刊、中国农林核心期刊。
学科排名：位列《科技期刊世界影响力指数（WJCI）报告》2023版中国农业科学第十一，知网年报农业科学综合第四，均入Q1区。
影响因子：2024年万方影响因子为1.811，2024年知网影响因子为2.048。
更多 · 交流
为了更好地服务作者，《江苏农业科学》编辑部成立了作者交流微信群，目前主要发布最新编辑部资讯、征稿启事、论文推荐及行业动态等信息，也可解答部分作者咨询。欢迎您扫下方二维码加小编微信（微信号vcknight），拉您进入作者交流群。
请备注“姓名+单位+入群理由”
往期精选
微信号丨jsnykxwx
长按识别二维码关注我们
编辑丨曹亚非、魏天宸
制作 | 曹亚非
审核丨吴桂亮
分享、在看与点赞，至少我要拥有一个吧
