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

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。

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。