DOI: https://doi.org/10.3389/fpls.2026.1731852
PMID: https://pubmed.ncbi.nlm.nih.gov/41727990
تاريخ النشر: 2026-02-06
المؤلف: Emmanuel Omia وآخرون
الموضوع الرئيسي: خصائص ومعالجات سطح النبات
نظرة عامة
تقدم هذه القسم نظرة عامة على التصنيف الفينوتيبي ثلاثي الأبعاد، والذي يتضمن التقييم الكمي للخصائص الهيكلية والمورفولوجية للنبات في الفضاء ثلاثي الأبعاد. لقد عززت التطورات الأخيرة في تقنيات التصوير ثلاثي الأبعاد غير التدميرية وعالية الإنتاجية بشكل كبير القدرة على قياس هذه الخصائص، مما أدى إلى الانتقال من البيئات المسيطر عليها إلى التطبيقات الحقلية في العالم الحقيقي. يؤكد البحث على استخدام تقنيات سحابة النقاط في التصنيف الفينوتيبي ثلاثي الأبعاد للمحاصيل، مع مقارنة تقنيات الاستشعار المستخدمة في التصنيف الفينوتيبي في الغرف (CCP) والتصنيف الفينوتيبي في الحقول (FCP).
لقد سهلت تقنيات رئيسية مثل إعادة بناء الاستريو متعدد المناظر (MVS)، وLiDAR، والتثليث بالليزر القياس غير التدميري للخصائص الحيوية الهامة، بما في ذلك هيكل السقف، ومساحة الورقة، وقطر الساق. تسلط المراجعة الضوء على مزايا CCP، حيث يتم التحكم في المتغيرات البيئية للحصول على قياسات دقيقة، مقابل التحديات التي تواجه FCP، مثل الحجب، والرياح، وتغيرات الضوء، وتعقيد التضاريس. يناقش البحث منصات الاستشعار المختلفة، بما في ذلك الأنظمة الروبوتية الأرضية والطائرات بدون طيار (UAVs)، والتي تعتبر ضرورية لمعالجة هذه التحديات ويؤكد على أهمية تكييف هذه التقنيات للاستخدامات الزراعية العملية لتعزيز إدارة المحاصيل وتربية النباتات من خلال تحليل الخصائص الفينوتيبية بدقة.
مقدمة
تؤكد مقدمة ورقة البحث على الدور الحاسم للهندسة في التصنيف الفينوتيبي للنباتات، وخاصة من خلال استخدام سحب النقاط ثلاثية الأبعاد، التي أصبحت ذات صلة متزايدة في الممارسات الزراعية وسط تزايد الطلب العالمي على الغذاء. يعزز دمج تقنية سحب النقاط ثلاثية الأبعاد في علم الفينوميات النباتية استخراج الخصائص المورفولوجية، مما يدعم المربين والمزارعين في إدارة المحاصيل. تميز الورقة بين بيئتين للتصنيف الفينوتيبي: التصنيف الفينوتيبي في الغرف (CCP)، الذي يتم في بيئات مسيطر عليها، والتصنيف الفينوتيبي في الحقول (FCP)، الذي يحدث في الحقول المفتوحة. هذه التمييز مهم لأنه يسلط الضوء على التحديات التي تطرحها التغيرات البيئية في FCP، مما يتطلب تكييف تقنيات سحب النقاط ثلاثية الأبعاد التي تم تطويرها أصلاً لـ CCP.
تهدف المراجعة إلى تلخيص الأدبيات الموجودة حول طرق التصنيف الفينوتيبي ثلاثي الأبعاد عبر كلا البيئتين، مع معالجة التوازن بين القابلية للتوسع والدقة المتأصلة في هذه التقنيات. بينما يمكن أن تحقق الأنظمة المختبرية دقة عالية، إلا أنها محدودة في الإنتاجية، بينما تقدم الطرق المعتمدة على الطائرات بدون طيار تغطية أوسع ولكن بدقة أقل. تحدد الورقة أيضًا التحديات التقنية المستمرة، مثل العوامل البيئية التي تؤثر على جودة البيانات والحاجة إلى تحسين البنية التحتية الحاسوبية. من خلال التركيز على الانتقال من الابتكارات من البيئات المسيطر عليها إلى التطبيقات الواقعية، يسعى البحث إلى تسهيل اعتماد تقنيات التصنيف المتقدمة في الزراعة، مما يعزز في النهاية كفاءة إنتاج المحاصيل واستدامتها.
النتائج
تقوم المراجعة بتقييم منهجي لتقنيات التصنيف الفينوتيبي ثلاثي الأبعاد في بيئات التصنيف الفينوتيبي في الغرف (CCP) والتصنيف الفينوتيبي في الحقول (FCP)، مع تسليط الضوء على التوازنات التي تؤثر على اختيار التكنولوجيا بناءً على أهداف البحث والتربية. إحدى النتائج الرئيسية هي العلاقة العكسية بين دقة القياس وقابلية التشغيل. في CCP، تحقق تقنيات مثل التثليث بالليزر (LTS) والضوء المنظم (SL) دقة عالية (14 ميكرومتر – 45 ميكرومتر لـ LTS) لقياسات تفصيلية على مستوى الأعضاء ولكنها محدودة في التطبيقات الصغيرة بسبب الحساسية البيئية ووقت جمع البيانات الطويل. في المقابل، تعطي تقنيات FCP، مثل الاستريو متعدد المناظر (MVS) المثبت على الطائرات بدون طيار والمسح بالليزر الأرضي المتنقل (TLS)، الأولوية للقابلية للتوسع، حيث تحقق دقة على مستوى السنتيمتر مناسبة لاستخراج الخصائص على مستوى السقف، على الرغم من تكلفة الدقة الدقيقة.
تؤكد التحليل على أن المتانة البيئية غالبًا ما تحدد القابلية العملية لتقنيات التصنيف الفينوتيبي، حيث تفشل الأنظمة عالية الأداء في البيئات المسيطر عليها أحيانًا في ظروف الحقل. على سبيل المثال، تعمل أجهزة الاستشعار الضوئية المنظمة بشكل جيد في المختبرات ولكنها تعاني تحت ضوء الشمس المحيط، بينما تظهر أنظمة TLS وLiDAR مرونة متفوقة عبر ظروف الإضاءة المتغيرة. تدعو المراجعة إلى رؤية تكاملية لـ CCP وFCP، حيث يخدم كل منهما أدوارًا متميزة في خطوط أنابيب التصنيف. كما تلاحظ اتجاهًا نحو دمج متعدد المستشعرات، يجمع بين البيانات الهيكلية من TLS أو LiDAR مع التصوير الطيفي أو الحراري لتعزيز التوصيف الفينوتيبي. يتم تقديم توصيات لاختيار التكنولوجيا، مع التأكيد على الاستخدام الأمثل للأنظمة المحددة بناءً على الدقة، والقابلية للتوسع، وسياق التطبيق، كما هو موضح في جدول مقارن.
المناقشة
تسلط قسم المناقشة في ورقة البحث الضوء على التقدم والتحديات المرتبطة بتقنيات التصنيف الفينوتيبي ثلاثي الأبعاد عالية الإنتاجية (HTPP)، مع التركيز بشكل خاص على استخدام تقنيات قياس سحب النقاط ثلاثية الأبعاد. يؤكد المؤلفون على أهمية جودة سحب النقاط في الحصول على قياسات ثلاثية الأبعاد دقيقة للهياكل النباتية، مشيرين إلى أنه على الرغم من التقدم الكبير الذي تم إحرازه في الظروف المسيطر عليها (CCP)، إلا أن تطبيق هذه التقنيات في ظروف الحقل (FCP) لا يزال محدودًا. يتم إجراء مراجعة أدبية مقارنة لتقييم تقنيات الاستشعار ثلاثية الأبعاد المختلفة بناءً على ستة معايير: الدقة والوضوح، والخصائص القابلة للقياس، وإنتاجية جمع البيانات، وتوافق المنصة، ومصادر الخطأ، والمتانة البيئية. تهدف هذه المقاربة المنظمة إلى مساعدة الباحثين في اختيار التقنيات المناسبة لاحتياجات التصنيف الفينوتيبي المحددة.
يتناول القسم أيضًا تقنيات محددة، مثل المسح بالتثليث بالليزر (LTS) وإعادة بناء الاستريو متعدد المناظر (MVS). يتم الإشادة بـ LTS لدقته العالية وطبيعته غير التدميرية، مما يجعله مناسبًا للقياسات التفصيلية لخصائص النباتات مثل الحجم وميزات السطح. ومع ذلك، فإن فعاليته في FCP مقيدة بنطاق التشغيل والتداخلات البيئية. من ناحية أخرى، تقدم MVS حلاً فعالاً من حيث التكلفة لنمذجة ثلاثية الأبعاد، مستفيدة من كاميرات متعددة لالتقاط الهياكل النباتية. على الرغم من مزاياها، تواجه MVS تحديات تتعلق بسرعة المعالجة والدقة، خاصة في ظل ظروف الحقل. تختتم المناقشة بالاعتراف بالتقدم التكنولوجي المستمر الذي يعزز قابلية تطبيق هذه الطرق في كل من البيئات المسيطر عليها والحقلية، مما يدعم في النهاية أهداف الزراعة الحديثة وتربية المحاصيل.
DOI: https://doi.org/10.3389/fpls.2026.1731852
PMID: https://pubmed.ncbi.nlm.nih.gov/41727990
Publication Date: 2026-02-06
Author(s): Emmanuel Omia et al.
Primary Topic: Plant Surface Properties and Treatments
Overview
The section provides an overview of 3D phenotyping, which involves the quantitative assessment of a plant’s structural and morphological traits in three-dimensional space. Recent advancements in non-destructive, high-throughput 3D imaging technologies have significantly enhanced the ability to measure these traits, transitioning from controlled environments to real-world field applications. The study emphasizes the use of point cloud technologies in 3D crop phenotyping, comparing sensor technologies employed in Chamber-Crop Phenotyping (CCP) and Field-Crop Phenotyping (FCP).
Key technologies such as Multiview stereo (MVS) reconstruction, LiDAR, and laser triangulation have facilitated the non-destructive measurement of critical traits, including canopy structure, leaf area, and stem diameter. The review highlights the advantages of CCP, where environmental variables are controlled for precise measurements, against the challenges faced in FCP, such as occlusion, wind, light variability, and terrain complexity. It discusses various sensor platforms, including ground-based robotic systems and unmanned aerial vehicles (UAVs), which are essential for addressing these challenges and emphasizes the importance of adapting these technologies for practical agricultural applications to enhance crop management and plant breeding through accurate phenotypic trait analysis.
Introduction
The introduction of the research paper emphasizes the critical role of geometry in plant phenotyping, particularly through the use of 3D point clouds, which have become increasingly relevant in agricultural practices amid rising global food demands. The integration of 3D point cloud technology into plant phenomics enhances the extraction of morphological traits, thereby supporting breeders and farmers in crop management. The paper distinguishes between two phenotyping environments: Chamber-Crop Phenotyping (CCP), conducted in controlled settings, and Field-Crop Phenotyping (FCP), which occurs in open fields. This distinction is crucial as it highlights the challenges posed by environmental variability in FCP, which necessitates adaptations of 3D point cloud techniques originally developed for CCP.
The review aims to synthesize existing literature on 3D phenotyping methods across both environments, addressing the scalability-accuracy trade-off inherent in these technologies. While laboratory systems can achieve high precision, they are limited in throughput, whereas UAV-based methods offer broader coverage but at reduced accuracy. The paper also identifies ongoing technical challenges, such as environmental factors affecting data quality and the need for improved computational infrastructure. By focusing on transitioning innovations from controlled to real-world applications, the study seeks to facilitate the adoption of advanced phenotyping technologies in agriculture, ultimately enhancing crop production efficiency and sustainability.
Results
The review systematically evaluates 3D phenotyping technologies in Chamber-Crop Phenotyping (CCP) and Field-Crop Phenotyping (FCP) environments, highlighting the trade-offs that influence technology selection based on research and breeding objectives. A key finding is the inverse relationship between measurement precision and operational scalability. In CCP, technologies like laser triangulation (LTS) and structured light (SL) achieve high precision (14 μm-45 μm for LTS) for detailed organ-level measurements but are limited to small-scale applications due to environmental sensitivity and time-intensive data acquisition. In contrast, FCP technologies, such as UAV-mounted multi-view stereo (MVS) and mobile terrestrial laser scanning (TLS), prioritize scalability, achieving centimeter-level accuracy suitable for canopy-level trait extraction, albeit at the cost of fine-scale precision.
The analysis emphasizes that environmental robustness often dictates the practical applicability of phenotyping technologies, with high-performance systems in controlled settings sometimes failing in field conditions. For instance, structured light sensors perform well in labs but struggle under ambient sunlight, while TLS and LiDAR systems demonstrate superior resilience across varying lighting conditions. The review advocates for a complementary view of CCP and FCP, where each serves distinct roles in phenotyping pipelines. It also notes a trend towards multi-sensor integration, combining structural data from TLS or LiDAR with hyperspectral or thermal imaging to enhance phenotypic characterization. Recommendations for technology selection are provided, emphasizing the optimal use of specific systems based on precision, scalability, and application context, as detailed in a comparative table.
Discussion
The discussion section of the research paper highlights the advancements and challenges associated with 3D high-throughput plant phenotyping (HTPP) techniques, particularly focusing on the use of 3D point cloud measurement technologies. The authors emphasize the importance of point cloud quality in obtaining precise 3D measurements of plant structures, noting that while significant progress has been made in controlled conditions (CCP), the application of these techniques in field conditions (FCP) remains limited. A comparative literature review is conducted to evaluate various 3D sensing technologies based on six criteria: accuracy and resolution, measurable traits, data acquisition throughput, platform compatibility, error sources, and environmental robustness. This structured approach aims to assist researchers in selecting appropriate technologies for specific phenotyping needs.
The section further delves into specific techniques, such as laser triangulation scanning (LTS) and multiview stereo (MVS) reconstruction. LTS is praised for its high precision and non-destructive nature, making it suitable for detailed measurements of plant traits like volume and surface features. However, its effectiveness in FCP is constrained by operational range and environmental interferences. Conversely, MVS offers a cost-effective solution for 3D modeling, leveraging multiple cameras to capture plant structures. Despite its advantages, MVS faces challenges related to processing speed and resolution, particularly under field conditions. The discussion concludes by acknowledging the ongoing technological advancements that enhance the applicability of these methods in both controlled and field environments, ultimately supporting the goals of modern agriculture and crop breeding.