Метод 3D-видео точно оценивает площадь листьев томата без дорогих датчиков

Исследователи из Еврейского университета в Иерусалиме разработали недорогой неинвазивный метод оценки общей площади листьев у карликовых растений томата с помощью 3D-реконструкции из стандартных видеозаписей. В исследовании применяются методы восстановления структуры по движению (structure-from-motion, SfM) и машинное обучение для прогнозирования роста растений с высокой точностью.

Этот инновационный подход устраняет необходимость в дорогих датчиках или деструктивном отборе проб, делая точное земледелие более доступным.

Исследование под руководством Дмитрия Усенко, аспиранта Института наук об окружающей среде Еврейского университета, показало, что недорогая методика визуализации может точно оценить общую площадь листьев (total leaf area, TLA) карликовых томатов. Работа велась под руководством доктора Давида Хельмана (Еврейский университет) в сотрудничестве с доктором Ченом Гилади (Инженерный колледж Сами Шамун).

В основе метода лежит использование техник SfM для реконструкции 3D-геометрии по движению объектов в видеопоследовательности. Вместо дорогих лидаров или мультиспектральных камер исследователи использовали базовые видеозаписи растений томата, сделанные под разными углами.

Используя более 300 видеоклипов карликовых томатов, выращенных в контролируемых тепличных условиях, исследователи обучили модели машинного обучения оценивать площадь листьев на основе признаков, извлеченных из 3D-облаков точек. Их лучшая модель достигла коэффициента детерминации (R²) 0.96, превзойдя традиционные 2D-подходы.

Поскольку метод в принципе не зависит от культуры и требует только стандартной RGB-съемки, он открывает возможности для широкого внедрения в системы мониторинга сельскохозяйственных культур по всему миру. Открытая реализация модели также способствует дальнейшей разработке и адаптации научным сообществом.