A cost-effective approach of building plant digital twin combining plant phenotyping and growth models: A case study on rapeseed plants
Xiujuan Wang · Bowen Zheng · Zhiqing Liu 等 8 人
结合手机3D重建与GreenLab生长模型，低成本构建油菜植株数字孪生。
多角度手机图像3D高斯泼溅重建，GreenLab源库参数标定与光截获分析。
模型拟合优度高（r=0.93-0.95），可恢复稀疏采样间生长动态并评估光截获。
可探索将轻量级数字孪生框架扩展至更多作物及田间高通量场景，降低表型监测成本。
该研究提出结合3D高斯泼溅与GreenLab模型的低成本植物数字孪生框架，在油菜上验证可靠，对智慧育种与精准农业有实用价值，值得精选。
高通量表型平台能够实现对植物生长的高密度时间监测，但田间图像采集仍然劳动密集且采样间隔稀疏，导致中间发育阶段的信息缺失。功能–结构植物模型（FSPMs）能够进行动态生长模拟，但通常缺乏源自实际植物的真实三维结构。本研究提出了一种轻量级框架，通过整合三维重建与GreenLab植物生长模型来桥接稀疏表型时间点，从而为甘蓝型油菜（Brassica napus L.）构建植物数字孪生。利用四个油菜品种在两个关键生长阶段的多角度智能手机图像，通过三维高斯泼溅（3DGS）重建植物三维结构。从点云中分割叶片以计算叶面积。基于两个生长阶段测定的器官水平鲜重（叶片、节间和根系）估计GreenLab源和库参数。拟合优度较高，四个品种的加权平方和（WSS）在5.63至9.33之间，皮尔逊相关系数（r）在0.93至0.95之间。校准后的模型再现的叶面积与三维重建的静态结构一致。重建的器官几何结构用于可视化和光截获功能分析。该集成模型由此恢复了稀疏采样点之间完整的动态发育和生长轨迹。时间留出验证表明，重建叶面积与基于长宽推导的参考估计之间具有合理的一致性，单叶平均绝对百分比误差（MAPE）为18.42%。光截获分析揭示了由于形态结构差异导致的品种特异性冠层光利用效率差异。模拟与重建的冠层光截获表现出高度一致性（r = 0.98）。该框架提供了一种经济有效的方法，可从最少的田间数据重建植物生长动态并评估光捕获特征。它为育种者进行品种评估以及优化精准农业中的环境调控策略提供了实用价值。