CN119516272A 一种基于三维点云的植物耐盐性等级评估方法 （河北农业大学）

一种基于三维点云的植物耐盐性等级评估本发明公开了一种基于三维点云的植物耐2S2、对待测植物的三维点云数据进行处理，用于S3、将去除待测植物的噪声和异常点的三维点云数据输入到训练好的深度学习模型S4、将每一叶片的三维点云输入到点云补全模型，S5、获取每个叶片三维点云数据的耐盐系数，对S6、耐盐性评估与等级划分，以试验最后一天测S7、在测量最后一天，分别测量每一植株的鲜S8、验证与优化，通过实际数据验证耐盐性等特征提取模块是以OneFormer3D作为核心特征提取网络对三维点云数据进行实例分割，该网络通过Transformer自注意力机制，能够捕捉三维点云数据的长距离依赖性和全局上下点云分割模块是对植物的三维点云数据进行实例分割，将每一个叶片从整体中分割出来，34[0002]现有的植物耐盐性评估方法主要依赖于实验室环境下的生理指标测量和主观判[0003]目前，市场上已有一些基于二维图像分析和机器学习技术的植物耐盐性评估工[0004]此外，荧光成像和高光谱成像等技术虽然在植物生理状态评估中得到了一定应表现为叶片的卷曲度增加。其他植物如生菜和水果的叶片在盐胁迫下同样表现出卷曲特物耐盐性评估方法的局限。该方法通过可见光相机获取不同品种的植物的三维点云数据，5[0008]为实现上述目的，本发明提供了一种基于三维点云的植对不同品种的植物三维点云数据进行尺度匹配，确保不同品种数据在同一尺度下进行比[0021]优选的，特征提取模块是以OneFormer3D作为核心特征提取网络对三维点云数据6生理指标作为耐盐等级划分的确立标准，通过与每一天测量的耐盐系数进行关联性分析，了LSTM可以更好的解决不同植株耐盐性的准[0026]本发明所述的一种基于三维点云的植物耐盐性等级评估方法的优点和积极效果[0027]1、本发明自动化的三维点云数据采集与深度学习实例分割技术显著提升了植物[0035]图3为本发明实施例1三维点云的特征匹配过程图，其中(A)为不在一个尺度的原7[0037]图5为本发明实施例3最后一天测量的大白菜植株试验组与对照组差异性显著验证指标的分析图，其中(A)为鲜重和Hue值对比，(B[0044]步骤1：获取待测植物的三维点云数据，每个品种的待测植物分为对照组和试验同品种的数据能够在同一坐标系中进行比较，对不同品种的大白菜进行尺寸归一化处理，8[0048]步骤3：将去除待测植物的噪声和异常点的三维点云数据输入到训练好的深度学[0050]特征提取模块是以OneForme3D作为核心特征提取网络对该网络通过Transformer自注意力机制，能够捕捉三维点云数据的长距离依赖性和全局上数据进行实例分割，将每一个叶片从整体中分割出来，生成每个叶片的单独点云数据。OneFormer3D通过统一模型处理实例分割、语义分割和全景分割任务，OneFormer3D基于[0053]OneFormer3D模型对大白菜的点云数据进行实例分割，模型成功将每一片叶子从了缺失区域的结构完整性。这一步选用Pred_GT(越策点到最近真实点的距离)与GT_Pred补全是一个有效的方法，因为该模型能够学习数据的分布并生成具有高质量的补全结果。9断植物是否耐盐的依据；耐盐性评估与等级划分具体为：对步骤1的试验组耐盐系数求均LSTM可以更好的解决不同植株耐盐性等级的准确划[0062]利用基于OneFormer3D框架的大一统模型对大白菜的点云数据进行实例分割，将[0066]OneFormer3D的掩码分类器将大白菜的每片叶子准确地从整体中分割出来，生成[0068]使用OneFormer3D模型对大白菜的点云数据进行实例分割，模型成功将每一片叶[0073]图5中(A)展示了试验组与对照组在最后一天的大白菜植株鲜重和Hue差异。鲜重是指采摘时大白菜的实际重量，这个指标可以反映植物在生长过程中对盐分的适应能力。植物耐盐性评估方法的局限。该方法通过可见光相机获取不同品种的植物的三维点云数[0075]最后应说