施俊林 彭軍

摘要：當(dāng)前，農(nóng)業(yè)科學(xué)的信息化程度不斷深入，植物葉片可視化研究一直在不斷發(fā)展，但投入到實(shí)際應(yīng)用中的仍然為少數(shù)，本文通過對近10a有關(guān)學(xué)者對植物葉片可視化的研究方法和可視化效果進(jìn)行總結(jié)梳理，得出當(dāng)前該領(lǐng)域發(fā)展進(jìn)程以及需要進(jìn)一步明確的問題。通過對一些研究方法進(jìn)行總結(jié)分析，對植物葉片可視化未來的研究方向進(jìn)行大膽猜想和展望。

關(guān)鍵詞：植物葉片;可視化;研究;綜述

中圖分類號：S-1文獻(xiàn)標(biāo)識碼：ADOI：10.19754/j.nyyjs.20200815001

收稿日期：2020-06-22

基金項(xiàng)目：國家自然科學(xué)基金項(xiàng)目（項(xiàng)目編號：61862032）

作者簡介：施俊林（1997-），男，本科在讀 ;通訊作者彭軍（1981-），男，碩士，副教授。研究方向：農(nóng)業(yè)信息化。

引言

植物在大自然中扮演著不可或缺的角色，地球上植物種類數(shù)量龐大，通常根據(jù)植物葉片來區(qū)分不同的植物，但是植物葉片種類繁多，人工區(qū)分，工作量巨大，并且人類的記憶和精力是有限的，要想識別出所有的植物葉片也是不現(xiàn)實(shí)的。在如今計(jì)算機(jī)技術(shù)和人工智能技術(shù)的快速發(fā)展下，可以依賴技術(shù)通過提取植物葉片的外觀視覺特征來進(jìn)行有效識別。

在現(xiàn)代化、數(shù)字化農(nóng)業(yè)如火如荼進(jìn)行的當(dāng)下，植物葉片可視化研究顯得更加重要。如今信息來源于用戶，服務(wù)于用戶愈來愈明顯，在這個(gè)新形勢之下，可視化作為一種非常普遍的技術(shù)需求和應(yīng)用趨勢在植物葉片的圖像識別、虛擬現(xiàn)實(shí)研究等方面發(fā)揮著不可或缺的作用。

隨著計(jì)算機(jī)技術(shù)、數(shù)據(jù)科學(xué)的不斷發(fā)展，人們的生活也發(fā)生改變，從過去看到不認(rèn)識的植物只能查閱書籍資料到現(xiàn)在只需要拍照便可查閱其詳細(xì)信息，這樣的應(yīng)用再一次讓人們對大自然和計(jì)算機(jī)圖形圖像處理等領(lǐng)域充滿了探索的好奇。

1概述

葉片有著各種各樣的形狀，即使是同一種植物，葉片的葉形也是有變化的。大自然中，大部分植物葉片是橢圓形，但植物變化萬千，葉片形狀除了常見的形狀外還有許多奇怪的形狀，在這樣的情況下，學(xué)者對植物葉片可視化研究提出了許多理論方法。目前，國內(nèi)對植物葉片可視化的研究有很多，有的是針對植物葉片的物理特性進(jìn)行建模分析，有的是對植物葉片生成輪廓曲線進(jìn)行分析，模擬葉脈等，但這些對于植物葉片的三維可視化表達(dá)效果都不是很好。目前，比較先進(jìn)的可視化研究方法依然是通過得到植物葉片特征的大量數(shù)據(jù)，建立適合的模型。在這過程中，人工依然發(fā)揮著重要作用，記錄大量重要數(shù)據(jù)，借助經(jīng)驗(yàn)調(diào)節(jié)參數(shù)以達(dá)到更好模型訓(xùn)練效果。

2植物葉片可視化研究進(jìn)展

近年來，可視化在植物識別中發(fā)揮了重要作用，大批學(xué)者學(xué)習(xí)國內(nèi)外的理論方法，并結(jié)合自己的經(jīng)驗(yàn)成功創(chuàng)造出很多研究成果。

Iris R.Wang ，Justin W. L. Wan等 [1] 在計(jì)算機(jī)上建立了植物葉片的生長模型，模擬了真實(shí)植物葉片生長情況。周南、陸玲等[2，3]認(rèn)為植物葉片具有不同形狀，因此提出了一種可調(diào)節(jié)植物葉片輪廓的可視化建模方法，通過使用數(shù)學(xué)函數(shù)的變形思想來完成植物葉片形狀的形成，再使用平面矩型參數(shù)定義植物葉片的初始輪廓;大多數(shù)植物葉片的外形輪廓都可以在多次調(diào)節(jié)植物葉片的幾何學(xué)特征后得到;即使在因人而異的情況下，這種植物葉片形狀建模方法也可以達(dá)到較為理想的可視化效果。

M. T.Allen ，P. Prusinkiewicz等 [4]提出了L-peach 模型，用于模擬樹木生長過程中結(jié)構(gòu)和生理的變化，其中也包含葉片的模擬。薛佳楣、玄子玉等[5]提出基于圖像處理技術(shù)來虛擬植物葉片的一種方法;在虛擬的環(huán)境中，虛擬植物可以幫助人們較快地在短時(shí)間內(nèi)構(gòu)建一個(gè)適應(yīng)植物生長的環(huán)境來對植物的生長情況進(jìn)行跟蹤研究;該方法提取的是植物葉片的邊緣信息，根據(jù)植物葉片的形態(tài)設(shè)計(jì)出的L系統(tǒng)通過一系列操作后可以正確顯示出葉脈的信息。

陳萌[6]對水稻主莖葉進(jìn)行觀測記錄，對不同生長期水稻葉片的數(shù)據(jù)進(jìn)行統(tǒng)計(jì)研究，從中總結(jié)規(guī)律;并以此建立模型來研究水稻葉片形態(tài)與其生理參數(shù)的關(guān)系;通過模型的建立，實(shí)現(xiàn)了二維形態(tài)建模和水稻葉片的三維空間模型，從而表達(dá)出水稻葉片的生長情況。通過計(jì)算機(jī)編程實(shí)現(xiàn)2個(gè)模型，實(shí)現(xiàn)了水稻葉片的建模和水稻葉片的空間模型可視化。李書欽、劉海龍等[7，8]對小麥葉片進(jìn)行數(shù)據(jù)的實(shí)測統(tǒng)計(jì)，并在建模后開展三維可視化的研究。

苗騰等 [9]用葉肉、一級葉脈和二級葉脈這3種結(jié)構(gòu)來劃分玉米葉片，通過獲取玉米葉片的表觀參數(shù)和SPAD數(shù)據(jù)構(gòu)建量化模型。這種表觀建模和可視化方法解決了一部分植物葉片在光學(xué)影響下可視化效果不佳的問題。實(shí)驗(yàn)表明，該方法做到了對植物葉片預(yù)想的三維可視化效果，這使得之后對植物葉片表觀的三維虛擬動(dòng)畫呈現(xiàn)具備了有力的技術(shù)工具。

于慧伶、麻峻瑋等 [10]采用雙路卷積神經(jīng)網(wǎng)絡(luò)的方法對植物葉片構(gòu)建識別模型，該方法考慮了葉片本身的不同邊緣形狀以及極其復(fù)雜的內(nèi)部紋理特征信息，結(jié)合7層卷積層的網(wǎng)絡(luò)結(jié)構(gòu)的雙路卷積神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)，模擬葉片邊緣形狀特征路徑。并且對比原有的單路卷積網(wǎng)絡(luò)模型，識別準(zhǔn)確上有了明顯的提高;同時(shí)也大大提高了在特殊復(fù)雜的情況背景下植物葉片的識別準(zhǔn)確率。

王振、師韻等[11]提出基于全卷積神經(jīng)網(wǎng)絡(luò)的圖像分割方法，可以將玉米葉片圖片中的病斑進(jìn)行更加準(zhǔn)確地分割，實(shí)驗(yàn)數(shù)據(jù)表明比FCN、PSP等圖像分割模型擁有更好的性能。段凌鳳、熊雄等 [12]也應(yīng)用了全卷積神經(jīng)網(wǎng)絡(luò)的方法，進(jìn)行圖像分割，通過對解碼網(wǎng)絡(luò)進(jìn)行反復(fù)訓(xùn)練，可以得到更為精確效果。

3植物葉片可視化研究面臨的問題

植物葉片是植物在自然環(huán)境中的選擇，同一種植物葉片的顏色、葉脈紋理和形狀都會(huì)受不同的環(huán)境的影響而不同，同一片葉子在不同時(shí)期也有著不一樣的結(jié)構(gòu)特征，這些構(gòu)成了建模與模擬的復(fù)雜性 [3]，也為后面的機(jī)器學(xué)習(xí)和模型訓(xùn)練 [13]增加了很大難度。大多數(shù)學(xué)者通常會(huì)選用一些常見、簡單的形狀進(jìn)行植物葉片建模，而這就會(huì)使得可視化效果不全面，且有時(shí)間的局限性;同時(shí)模擬的環(huán)境通常也沒有非常貼切真實(shí)的自然環(huán)境，很難達(dá)到大自然的光照變化和形態(tài)變化。

葉脈建模本身用時(shí)比較長，而相比較于一級、二級葉脈，有著更細(xì)的脈絡(luò)結(jié)構(gòu)的三級葉脈又分布于植物葉片的各處[14]。因此，一些小的細(xì)脈存在的規(guī)律不易發(fā)現(xiàn)，導(dǎo)致建模和模擬的工作難度加大。只有找到一種簡單高效的建模方法才可能模擬出存在差異的大量的植物葉片[15]，進(jìn)而為植物葉片可視化的大量研究提供保障，讓處于大數(shù)據(jù)時(shí)代的數(shù)據(jù)足夠豐富。

如今對植物葉片可視化研究所提出的模型和建立的系統(tǒng)大多只針對少數(shù)種類，在眾多植物種類中，研究效果不具代表性，因此現(xiàn)在的理論和方法還需要完善。當(dāng)下各學(xué)者對植物葉片可視化研究時(shí)使用的數(shù)據(jù)庫大多是不相同的，所以各學(xué)者研究得出的方法也不能進(jìn)行對比。

在查閱較多文獻(xiàn)后發(fā)現(xiàn)，大部分學(xué)者在植物葉片可視化的過程中，會(huì)直接跳過研究植物葉片的邊緣，導(dǎo)致光滑和鋸齒狀特征的邊緣價(jià)值沒有得到利用，對此方向的研究比較少。在實(shí)際生活中，人們對植物葉片的視角可能只是邊緣，所以要想將可視化研究成果更多地應(yīng)用到實(shí)際生活中，還需進(jìn)行更多地研究。

4未來研究方向

試驗(yàn)研究把植物葉片在各個(gè)時(shí)期、各種環(huán)境下所受的影響均考慮進(jìn)去，建立一個(gè)更加適用于實(shí)際生活的系統(tǒng)，未來可以精準(zhǔn)識別植物葉片的病變情況。在所有植物葉片可視化的研究中建立相對統(tǒng)一的效果評價(jià)，這樣對日后應(yīng)用實(shí)施更加有利。植物葉片的可視化更加依賴計(jì)算機(jī)，日后依托深度學(xué)習(xí)的發(fā)展，對植物葉片深層網(wǎng)絡(luò)特征進(jìn)行自主學(xué)習(xí) [16]。在方法不斷改進(jìn)的同時(shí)，識別準(zhǔn)確率不再是研究的重點(diǎn)，在大數(shù)據(jù)時(shí)代，隨著軟件和硬件的進(jìn)步，植物葉片可視化的研究成果將大規(guī)模大范圍地投入到數(shù)字化農(nóng)業(yè)中，虛擬現(xiàn)實(shí)技術(shù)將再次將植物葉片可視化的研究成果推向更前沿的應(yīng)用。

5結(jié)束語

本文通過對植物葉片可視化相關(guān)文獻(xiàn)的整理分析發(fā)現(xiàn)，在信息時(shí)代、農(nóng)業(yè)科學(xué)研究不斷加深的時(shí)代，信息科學(xué)與農(nóng)業(yè)科學(xué)不斷地融合，植物葉片可視化研究是當(dāng)前的農(nóng)業(yè)創(chuàng)新、也是傳統(tǒng)型農(nóng)業(yè)走向現(xiàn)代化農(nóng)業(yè)的標(biāo)志之一，值得農(nóng)業(yè)信息化從業(yè)人員深入研究。

參考文獻(xiàn)

[1] Iris R.Wang ，Justin W. L. Wan， Gladimir V. G. Baranoski. Physically-based simulation of plant leaf growth[J]. Computer Animation and Virtual Worlds，2004，15（3-4）：237-244.

[2]M. T.Allen ，P. Prusinkiewicz ，T. M. DeJong. Using L-systems for modeling source-sink interactions， architecture and physiology of growing trees： the L-PEACH model[J]. New Phytologist，2005，166（3）.

[3]周南，陸玲.植物葉片形狀可視化模型研究[J].湖南農(nóng)機(jī)，2012，39（09）：97-98，101.

[4]周南. 基于變形的三維植物葉片可視化造型研究[D].南昌：東華理工大學(xué)，2013.

[5]薛佳楣，玄子玉.虛擬植物葉片可視化的研究[J].佳木斯大學(xué)學(xué)報(bào)（自然科學(xué)版），2013，31（01）：112-115.

[6]陳萌. 水稻葉片形態(tài)建模的研究[D]. 南昌：江西農(nóng)業(yè)大學(xué)，2016.

[7]李書欽，劉海龍，諸葉平，李世娟，劉升平，張紅英，李中陽.基于實(shí)測數(shù)據(jù)和NURBS曲面的小麥葉片三維可視化[J].福建農(nóng)業(yè)學(xué)報(bào)，2016，31（07）：777-782.

[8]李書欽，諸葉平，劉海龍，李世娟，劉丹，張紅英，李中陽.基于NURBS曲面的小麥葉片三維可視化研究與實(shí)現(xiàn)[J].中國農(nóng)業(yè)科技導(dǎo)報(bào)，2016，18（03）：89-95.

[9]苗騰，郭新宇，溫維亮，王傳宇，肖伯祥.基于農(nóng)學(xué)參數(shù)的玉米葉片表觀建模與可視化方法[J].農(nóng)業(yè)工程學(xué)報(bào)，2017，33（19）：187-195.

[10]于慧伶，麻峻瑋，張怡卓.基于雙路卷積神經(jīng)網(wǎng)絡(luò)的植物葉片識別模型[J].北京林業(yè)大學(xué)學(xué)報(bào)，2018，40（12）：132-137.

[11]王振，師韻，李玉彬.基于改進(jìn)全卷積神經(jīng)網(wǎng)絡(luò)的玉米葉片病斑分割[J].計(jì)算機(jī)工程與應(yīng)用，2019，55（22）：127-132.

[12]段凌鳳，熊雄，劉謙，楊萬能，黃成龍.基于深度全卷積神經(jīng)網(wǎng)絡(luò)的大田稻穗分割[J].農(nóng)業(yè)工程學(xué)報(bào)，2018，34（12）：202-209.

[13]劉晶晶. 基于深度網(wǎng)絡(luò)特征學(xué)習(xí)的植物葉片識別算法研究與實(shí)現(xiàn)[D]. 深圳：深圳大學(xué)，2017.

[14]祁多多. 基于葉片變形的植物葉脈可視化造型研究[D]. 南昌：東華理工大學(xué)，2016.

[15]孫爽秋. 植物葉片識別的方法研究[D].昆明：云南大學(xué)，2019.

[16]翁楊，曾睿，吳陳銘，王猛，王秀杰，劉永進(jìn).基于深度學(xué)習(xí)的農(nóng)業(yè)植物表型研究綜述[J].中國科學(xué)：生命科學(xué)，2019，49（06）：698-716.

[17]胡明越. 基于深度學(xué)習(xí)的樹種識別算法研究[D].杭州：浙江農(nóng)林大學(xué)，2019.