面向草莓植物重建与表型学的对象中心 3D 高斯溅写

草莓是美国最经济实惠的水果之一，年农产品收入超过 20 亿美元，约占总水果产值13%。植物表型学在通过刻画植物特征（如形态、冠层结构和生长动力学）来选育优良品种中发挥关键作用。然而，传统植物表型学方法耗时、费力且常具有破坏性。最近，神经渲染技术，尤其是神经光度场 (NeRF) 和 3D 高斯溅写 (3DGS)，已成为用于高保真 3D 重建的强大框架。通过围绕目标植物捕获一系列多视角图像或视频，这些方法实现了复杂植物结构的非破坏性重建。尽管其前景广阔，但当前 3DGS 在农业领域的大多数应用都会重建整个场景，包括背景元素，这会引入噪声、增加计算成本并使下游特征分析复杂化。为解决此限制，我们提出了一种新型对象中心 3D 重建框架，集成一个预处理管道，该管道利用 Segment Anything Model v2 (SAM-2) 和 alpha 通道背景遮罩，以实现干净的草莓植物重建。该方法产生更准确的几何表示，同时大幅减少计算时间。凭借无背景的重建，算法可自动估计重要植物特征，如植物高度和冠层宽度，通过 DBSCAN 聚类和主成分分析 (PCA) 实现。实验结果表明，我们的方法在准确性和效率上均优于传统管道，为草莓植物表型学提供了一个可扩展且非破坏性的解决方案。