基于光流分析和机器学习的植物叶片运动生长预测模型

本文着重研究了植物叶片的时间序列运动，使用光流法（OF）分析了莴苣叶片的时间序列运动信息，植物表型资讯介绍如下：

稳定提高生产力是植物生长面临的一个重要问题，为此，科学家们一直致力于研究增长预测方法。植物的投影面积（PA）通常用于生长预测，通过观察植物的总体近似运动来估计植物的生长，但结果往往存在一定偏差。为了克服这个问题，本文着重研究了植物叶片的时间序列运动，使用光流法（OF）分析了莴苣叶片的时间序列运动信息。

多设备植物成像（MPI）系统

OF分析是一种图像处理方法，它提取了由主体运动引起的两个连续帧之间的差异。本次实验在商业大型工厂中进行，通过使用具有放置在莴苣幼苗上方的微型计算机（相机模块），在9天内（从播种后第6天到第15天）每隔20分钟拍摄338株幼苗的图像。随后，通过计算OF分析中的法向量，从图像中提取叶片运动的特征，并将这些特征应用于机器学习以预测收获时（播种后38天）的莴苣鲜重。结果发现，使用从OF分析提取特征的生长预测模型表现良好，其相关系数为0.743。此外，该研究还考虑了一个能够自动分析植物图像的表型分析系统，这将允许该生长预测模型广泛用于商业植物工厂中。

正常矢量分析的可视化结果

使用OF的单株植物的时间序列分析结果

来源：

Nagano S,Moriyuki S, Wakamori K, et al., Leaf-Movement-Based Growth Prediction Model Using Optical Flow Analysis and Machine Learning in Plant Factory, Front. Plant Sci. | doi: 10.3389/fpls.2019.00227