AI-enabled Low-Cost 3D Maize Ear Morphometry Platform at Breeding Scale
作者: Therin Young, Elijah Rodriguez, Lisa Coffey, Talukder Zaki Jubery, Adarsh Krishnamurthy, Patrick Schnable, Baskar Ganapathysubramanian
分类: cs.CV
发布日期: 2026-08-31
💡 一句话要点
提出低成本3D玉米穗形态测量平台以解决高通量表型分析问题
🎯 匹配领域: 支柱三：空间感知与语义 (Perception & Semantics)
关键词: 3D重建 玉米穗表型 低成本技术 神经辐射场 高通量表型分析 农业育种 几何测量
📋 核心要点
- 现有的高通量表型分析方法在成本、劳动和专用硬件方面存在显著限制，影响了玉米穗几何特征的测量效率。
- 本文提出了一种低成本的3D重建流程，通过消费级相机和电动转台，结合神经辐射场技术，实现了高效的玉米穗形态测量。
- 在对300个玉米穗进行测试后，83.3%的样本通过了自动处理，且测量结果与传统手动方法高度一致，显著提高了效率。
📝 摘要（中文）
玉米穗的几何特征（长度、宽度、曲率和体积）与产量和灌浆结果密切相关，但现有的高通量表型分析流程受到成本、劳动和专用硬件的限制。本文开发并验证了一种低成本的流程，通过单个20秒的视频重建玉米穗的密闭3D网格。该流程使用消费级单反相机在均匀LED照明下的电动转台上拍摄，结合多种种子COLMAP程序初始化神经辐射场（NeRF），并通过每帧可见的已知直径圆柱支架提供自动度量缩放和几何质量控制。应用于300个玉米穗，250个（83.3%）通过自动处理和质量控制，骨架长度与手动卡尺测量一致（R² = 0.964，RMSE = 4.68 mm），而凸包体积与水排量体积一致（R² = 0.982，RMSE = 5.26 mL）。该平台为育种规模的3D玉米穗表型分析奠定了基础。
🔬 方法详解
问题定义：本文旨在解决现有高通量玉米穗表型分析方法在成本和效率上的不足，尤其是对几何特征的测量精度和处理时间的挑战。
核心思路：通过使用消费级单反相机和电动转台，结合神经辐射场（NeRF）技术，构建一个低成本且高效的3D重建流程，以实现玉米穗的快速形态测量。
技术框架：整体流程包括视频采集、相机姿态初始化、3D网格重建和几何质量控制。首先，通过COLMAP程序获取相机的多种姿态，然后利用NeRF进行3D重建，最后通过已知直径的圆柱支架进行自动度量缩放和质量控制。
关键创新：最重要的技术创新在于将消费级相机与NeRF结合，形成了一个低成本的3D重建平台，显著降低了设备投入和操作复杂性。与传统方法相比，该平台能够在更短时间内完成高质量的形态测量。
关键设计：在设计中，采用了标准化的拍摄条件和自动化的处理流程，确保了测量的一致性和准确性。相机的设置和视频采集时间被优化，以减少操作人员的参与时间，从而提高了整体效率。
🖼️ 关键图片
📊 实验亮点
实验结果显示，250个玉米穗中有83.3%通过了自动处理和质量控制，骨架长度与手动测量的相关性达到R² = 0.964，RMSE为4.68 mm，凸包体积与水排量体积的相关性达到R² = 0.982，RMSE为5.26 mL。这些结果表明该平台在测量精度和效率上均有显著提升。
🎯 应用场景
该研究的潜在应用领域包括农业育种、作物表型分析和精准农业。通过提供一种低成本的3D测量平台，研究人员和育种者可以更高效地评估玉米穗的形态特征，从而推动作物改良和产量提升。未来，该平台的技术可以扩展到其他作物的表型分析中，具有广泛的实际价值。
📄 摘要（原文）
Maize ear geometry (length, width, curvature, and volume) is closely tied to yield and grain-filling outcomes, but existing high-throughput phenotyping pipelines remain constrained by the cost, labor, and specialized hardware they require. We developed and validated a low-cost pipeline that reconstructs a watertight 3-D mesh of a maize ear from a single 20-second video captured with a consumer-grade DSLR on a motorized turntable under uniform LED illumination. Camera poses from a multi-seed COLMAP procedure initialize a Neural Radiance Field (NeRF), and a cylindrical holder of known diameter, visible in every frame, provides automatic metric scaling with downstream geometric quality control. Applied to 300 ears spanning a diverse maize inbred panel, 250 (83.3%) passed automated processing and quality control. Skeleton length agreed with manual caliper measurements across all 250 ears (R^2 = 0.964, RMSE = 4.68 mm), and convex-hull volume agreed with water-displacement volume on a 15-ear subset spanning the full size range (R^2 = 0.982, RMSE = 5.26 mL). Residual length error grew with ear curvature, whereas bounding-box height, which records the same straight-line chord as calipers, showed no such trend; the discrepancy therefore originates in the measurement definition, since calipers record the chord while skeleton length traces the geodesic arc. The capture hardware costs approximately 607 USD, and operator involvement fell from roughly five minutes to one minute per ear, with all downstream processing running unattended. The platform provides a foundation for breeding-scale 3-D ear phenotyping.