Generating high-quality 3DMPCs by adaptive data acquisition and NeREF-based reflectance correction to facilitate efficient plant phenotyping

要約

タイトル：自己適応データ収集とNeREFベースの反射補正による高品質な3DMPCの生成による、効率的な植物表現型解析を促進する。

要約：

– 植物の表現型的特徴の非破壊的評価には、高品質な3Dおよび多光谱データが必要であるが、自己判断の視点選択と自然光条件下の複雑な照明効果によって、データの品質が低下し、表現型パラメータの解決が困難になることがある。
– 我々は、高品質な植物の3D多光谱点群（3DMPC）を生成するために、それぞれの自己適応データ収集と反射補正の方法を提案した。
– 第1段階では、マルチセンサー装備のロボットアームを備えた新しいUGVプラットフォームに基づく効率的な次点最適化ビュー（NBV）計画法を提案した。
– 第2段階では、ニューラルリファレンスフィールド（NeREF）を使用して、リファレンスのデジタル番号（DN）を予測することにより、照明効果を排除した。
– 我々は、6つのエゴマと6つのトマトの植物についてテストし、各植物について2つの観察可能な葉と4つの注目領域（ROI）を選択して、バイオマスおよび葉緑素含量を評価した。
– NBV計画に対する平均実行時間は、速度1.55 rad/sで単一エゴマおよびトマト植物に対してそれぞれ58.70秒と53.60秒であった。固定された視点だけを使用する場合に比べ、全体のデータの整合性が平均で27％改善され、葉のバイオマス推定の決定係数（R2）はそれぞれ0.99および0.92に達した。
– 反射補正に対する、全球型リファレンスベースの補正による反射スペクトルの平均二乗平方根誤差は、エゴマとトマトの異なるROIでそれぞれ0.08および0.07であった。主成分分析とガウス過程回帰を適用した場合、葉緑素含量の決定係数はそれぞれ0.91および0.93であった。
– 我々の手法は、自然光条件下で植物の高品質な3DMPCの生成を促進し、正確な植物表現型解析に役立つことが期待される。

要約(オリジナル)

Non-destructive assessments of plant phenotypic traits using high-quality three-dimensional (3D) and multispectral data can deepen breeders’ understanding of plant growth and allow them to make informed managerial decisions. However, subjective viewpoint selection and complex illumination effects under natural light conditions decrease the data quality and increase the difficulty of resolving phenotypic parameters. We proposed methods for adaptive data acquisition and reflectance correction respectively, to generate high-quality 3D multispectral point clouds (3DMPCs) of plants. In the first stage, we proposed an efficient next-best-view (NBV) planning method based on a novel UGV platform with a multi-sensor-equipped robotic arm. In the second stage, we eliminated the illumination effects by using the neural reference field (NeREF) to predict the digital number (DN) of the reference. We tested them on 6 perilla and 6 tomato plants, and selected 2 visible leaves and 4 regions of interest (ROIs) for each plant to assess the biomass and the chlorophyll content. For NBV planning, the average execution time for single perilla and tomato plant at a joint speed of 1.55 rad/s was 58.70 s and 53.60 s respectively. The whole-plant data integrity was improved by an average of 27% compared to using fixed viewpoints alone, and the coefficients of determination (R2) for leaf biomass estimation reached 0.99 and 0.92. For reflectance correction, the average root mean squared error of the reflectance spectra with hemisphere reference-based correction at different ROIs was 0.08 and 0.07 for perilla and tomato. The R2 of chlorophyll content estimation was 0.91 and 0.93 respectively when principal component analysis and Gaussian process regression were applied. Our approach is promising for generating high-quality 3DMPCs of plants under natural light conditions and facilitates accurate plant phenotyping.

arxiv情報

提供元, 利用サービス

arxiv.jp, OpenAI