Frontiers in Plant Science·9月17日 · 周四论文农业遥感与作物表型阅读 0
F2DMAS:基于智能手机视频的复杂背景盆栽植物三维表型工作流——Frontiers in Plant Science
论文解读
87重点推荐
速览
提出基于智能手机视频的盆栽植物三维表型工作流F2DMAS，实现复杂背景下高效高精度重建与测量。
方法
智能手机视频、频域清晰度筛选、FSAM3前景提取、SfM、2DGS、TSDF网格
发现
前景提取F1达98.3%，重建PSNR 31.09 dB，株高冠幅R²约0.99，训练与网格提取时间
机会点
可探索将该工作流迁移至田间自然场景、多物种及动态生长监测，并融合时序表型分析。
影响力22
信息增量23
专业深度18
信源权威14
时效性10
中国农科院信息所提出基于手机视频的盆栽植物三维表型工作流，精度与效率显著提升，方法新颖、数据扎实，值得进入每日精选。
原文摘要
F2DMAS将消费级智能手机视频、频域清晰度筛选、基于视觉基础模型的FSAM3植物前景提取、SfM位姿估计、2D Gaussian Splatting(2DGS)、TSDF显式网格、尺度恢复与表型测量串成一条连续流程。在复杂背景下,FSAM3取得F1-score 98.3%、mIoU 97.9%,HD95由SEEM的281.9 px降至41.4 px。F2DMAS达到PSNR 31.09 dB、SSIM 0.9711、LPIPS 0.0365;训练时间下降60.94%,网格提取时间下降65.17%。植株高度、冠幅、叶长、叶宽的R²分别约0.99、0.99、0.97、0.90;RMSE为1.21、0.99、0.64、0.64 cm。来自中国农业科学院农业信息研究所等单位。
信源（1 个）