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。

作者团队介绍

论文链接：

https://doi.org/10.34133/plantphenomics.0254

——推荐阅读——

SCAG: A stratified, clustered, and growing-based algorithm for soybean branch angle extraction and ideal plant architecture evaluation

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

加入作者交流群