基于3D扫描温室葡萄叶片生长建模及可视化

高晓阳* 李红岭13 杨 梅12

(1.甘肃农业大学机电工程学院，甘肃 兰州 730070；2.甘肃省葡萄栽培与酿酒学重点实验室，甘肃 兰州 730070；3.甘肃省干旱区作物科学重点实验室，甘肃 兰州 730070)

植物可视化是智慧农业的主要研究领域之一，对植物生长发育和栽培育种研究及精准农业发展等具有重要作用。叶片是植物最重要的器官之一，既决定着植物的外观形态，也是植物光合作用的重要功能器官，因此叶片建模是植物建模中的重要内容。高精度的植物叶片模型对于提高植株几何模型的真实感、进行植物形态特征分析和面元尺度的功能计算等研究具有重要意义。截至目前国内外针对植物已开展了大量形态结构建模和可视化研究，国外研究植物结构模型和可视化较早，已研发出在国际上得到大范围推广的水稻、小麦、高粱、大豆等CERES典型作物生长模拟模型，为植物结构模型研究奠定了坚实的基础。虽然国内对三维可视化研究起步较晚，但是已对大麦[1-2]、葡萄[3-4]、玉米[5]、棉花等植物可视化与生长模拟模型方面有深入研究。目前，在植物结构模型可视化研究中，采用的三维建模处理技术方法主要有基于OPEN-GL的立体虚拟建模、基于3Dsmax的结构建模、基于3D的扫描建模等。植物叶片建模模拟研究主要有基于图像的叶片建模、基于三维点云的叶片建模和基于三维数字化的叶片建模。其中，在基于数字图像的叶片建模方面，郭新宇等[6]设计和实现了玉米三维重构及可视化系统；杨沛等[7]利用数字图像处理方法建立了黄瓜叶片三维模型，研究叶边缘形状和叶脉的真实感；刘慧等[8]构建并实现了可视化水稻生长系统。

3D扫描是植物建模与可视化研究的重要技术方法之一[9]。高分辨率三维扫描可以获取更多的植物叶片三维信息真实感。王勇健等[10]通过对叶片点云数据的配准、简化及去噪等操作得到了高精度植物叶片模型；葛娟等[11]提出一种从3D点云重建大叶片植物的方法；孙智慧等[12]通过对点云数据进行噪声点剔除和数据精简，利用Delaunay三角剖分法生成网格曲面，再对网格曲面进行优化，快速重构出植物叶片的高精度网格曲面。目前，采用3D扫描技术进行温室葡萄生长建模还未见报道，为此本文对温室葡萄叶片建模进行探讨和研究。

1 实验与材料

1.1 实验地点与材料设备

本实验研究时间为2018年5—12月、2019年5—12月，实验地点位于甘肃省永登县(东经102°36′～103°45′，北纬36°12′～37°07′)。该地属温带大陆性气候，海拔3 000～1 600 m，年平均气温为6.0 ℃，年均降水量约为300 mm，年蒸发量1 665 mm，全年日照时大于2 600 h，平均无霜期为120天。实验工具如下：数显游标卡尺、直尺、数码相机Nikon D810、笔记本ThinkPad W540(Intel i7-4800MQ处理器 32G内存)、3D扫描仪(Artec Space Spider)、温度计、福禄克-9风速仪、福禄克-941照度计、美国土壤水分温度电导率速测仪-TDR350等。

1.2 实验设计

实验葡萄品种为树龄约10年的延迟栽培红提葡萄，试验田内土壤适宜，光照充足，灌溉条件良好。按延迟栽培技术方法对温室葡萄进行施水、施肥和剪枝管理,在试验田内不同位置选取日照充足的9垄葡萄从萌芽期至浆果成熟期进行三因素三水平正交实验，每垄葡萄为8株，每一株选取3个枝条，每个枝条均留有10个叶片，分别挂牌标号、观测和记录。每2～3天测量一次枝条节间、叶柄的长度和粗度，以及叶片的长度和宽度。选取长势相同、无病虫害、发育正常的叶片，在实验期每3～4天采集一次葡萄叶片，在每株葡萄树3个选定枝条的上中下位置采用3D扫描标定、随机采集3～4片葡萄叶片点云数据，并标记保存。

1.3 建模方法

采用的3D扫描仪(型号Artec Space Spider)如图1所示，连接的电脑上安装有Artec配套软件，软件界面如图2所示。Artec Space Spider基于面状结构光矩阵式扫描，分辨率为0.5 mm，扫描范围为170～330 mm，最佳扫描距离为15～30 cm，要避免在强光下扫描，扫描速度依据植物叶片表面复杂度来确定。

图1 3D扫描仪

图2 软件界面

葡萄果枝主要有茎秆、叶片等器官，根据测得的实验数据，选取新梢节间1～10节的叶片，研究生理发育时间(PDT)与葡萄茎叶生长的关系。采用Logistic方程拟合葡萄叶片生长动态过程，表达式为：

(1)

式中：A为叶片生长的最大值，即生物学上限；B为生长初始值参数；k为生长速率参数；e为常数；t为时间。

构建葡萄果枝生长动态模型，采用根均方误差RMSE(root mean square error)对模型进行验证，表达式为：

(2)

式中：Oi为观测值；Si为模拟值；n为样本数量。

2 点云数据获取及模型构建

2.1 数据获取

基于点云的葡萄叶片三维重建主要包括叶片点云数据获取、点云处理和网格优化处理等，其流程如图3所示。

图3 基于点云的葡萄叶片三维重建流程

2.1.1 点云配准

将Artec Spider扫描速度的帧率调至最高级(7.5～8帧/s)，以点面阵方式获取葡萄叶片点云数据，利用扫描仪配套的点云处理软件Artec Studio中配准模块对所获取的葡萄叶片点云数据依次进行粗略配准、精确配准和全局配准等点云配准。本研究对所选枝条的叶片均按实验设计定时进行点云数据采集和配准实验。其中选取枝条第4节间不同生长期发育正常的6个叶片，配准后的点云输出如图4所示。

2.1.2 点云简化和去噪

每一个配准后的成熟期葡萄叶片约有6～8万个扫描像素点，直接对其处理速度较慢，需要对点云数据进行简化处理。由于3D扫描仪存在随机误差，扫描后叶片边缘和叶片夹缝处不可避免地会有噪点产生，故也需要对叶片三维点云进行去噪处理。实验获取的配准叶片经点云简化去噪后如图5所示。

图4 点云配准

图5 点云去噪

2.1.3 网格优化处理

由于葡萄叶片的凹凸特征较为明显，在葡萄叶片边缘以及叶片重叠等扫描死角处易产生少量肉眼清晰可辨的点云缺失，本文选用标准网格简化修补或快速网格简化修补处理。边缘优化和孔洞修补后，再对葡萄叶片进行平滑处理，网格简化如图6所示。

图6 网格简化

2.2 结果与分析

2.2.1 叶长和叶宽模型分析

选取实验组葡萄枝条5个节间对应的叶片长度和宽度为研究对象建模。依据实验数据，枝条每个节间和叶片生长的同时伴随着枝条下一节间和叶片的生长。实验叶片生理生长期为75天，从新生枝条至第一节间的叶片长出时间约为3.8天，PDT为生理发育时间，取值范围为3.8+3n-2～78.8+3n-2，枝条上叶片动态生长模型为：

(3)

n=1，2，3，4，5

式中：拟合参数Mn(MLn和MWn)分别为葡萄枝条叶片在某一生理发育时间第n节叶片的长度和宽度，YLnmax为叶片长度最大值，YWnmax为叶片宽度最大值。葡萄果枝的1～5片叶片长度和宽度随PDT变化的曲线如图7和图8所示。

图7 不同节间叶长随PDT变化曲线

图8 不同节间叶宽随PDT变化曲线

实验结果表明，葡萄叶片的生长过程呈“S”型曲线，遵循先慢后快再变慢的生长规律。根据图7和图8，利用Excel拟合方程对其进行确定，bn、kn见表1。

表1葡萄叶片长度和宽度模型参数值

叶片位置叶片长度/cm叶片宽度/cmMLnmaxbnknMWnmaxbnkn第1节6.277.960.229.5812.020.25第2节10.5614.700.1915.2330.240.23第3节14.7330.420.2721.3941.090.31第4节16.8644.580.3424.6249.650.32第5节19.3342.190.2828.7656.230.28

2.2.2 模型检验

根据实验数据采用RMSE对葡萄果枝叶片生长模型进行检验，结果见表2。

表2叶片模型检验RMSE值

叶片位置叶片长度/cm叶片宽度/cm第1节0.310.33第2节0.390.42第3节0.450.44第4节0.580.53第5节0.420.36

结果表明，拟合模型的果枝不同叶位叶长模拟值的RMSE范围为0.31～0.58 cm，叶宽模拟值RMSE范围为0.33～0.53 cm，本模型对果枝叶长和叶宽有很好的预测性。

2.3 可视化模型分析

基于拓扑结构结合计算机图形学建立植物模型的L-studio软件，在葡萄生长建模研究中已有应用报道。本文采用PlantFactory软件对葡萄枝条的生长可视化过程进行仿真。

2.3.1 叶片和节间的可视化模型

葡萄枝条主要由节间和叶片组成，本研究叶片构建模型如图9(a)所示，其表面设为绿色。选节间为圆柱模型，如图9(b)所示。

2.3.2 枝条的可视化模型

葡萄枝条可视化模型如图10所示，编程时用节点将枝条的各个节间和叶片依次相互连接起来，仿真运行实现其生长可视化。

图9 叶片模型和节间模型

图10 葡萄枝条可视化模型

3 小结

通过采集田间数据和借助Logistic方程拟合构建了温室葡萄叶片生长模型，实验结果表明其对葡萄叶片的预测性好。葡萄叶片生长过程呈“S”型曲线，遵循先慢后快再变慢的生长规律。模型对果枝不同叶位叶长模拟值的RMSE范围为0.31～0.58 cm，叶宽模拟值RMSE范围为0.33～0.53 cm。实验时通过温室葡萄3D扫描实验获取叶片点云数据，经过点云配准、去噪和优化处理，实现了三维叶片模型真实还原。以拟合模型为基础，选用PlantFactory实现了葡萄枝条的生长过程模拟与可视化仿真，今后还需进一步研究葡萄果穗和主茎干3D建模以及纹理映射等智慧农业理论与技术。