Технологія LIDAR (виявлення світла та діапазону), оснащена в iPhone 17, пропонує інноваційні, доступні споживачі засоби для вимірювання кривизни та темпів зростання рослин, фіксуючи точні тривимірні дані. Використовуючи датчик LIDAR iPhone 17, можна генерувати 3D-точкові хмари високої роздільної здатності листя рослин, що дозволяє детальні морфометричні аналізи, такі як вимірювання кривизни та тимчасове відстеження росту.
Лідар працює, випромінюючи імпульси лазерного світла до цільового об'єкта тут, рослинні листя і вимірюючи час, який потрібно, щоб світло відбивається назад до датчика. Цей час польоту дозволяє пристрою побудувати 3D-просторові карти поверхні листя з точністю на рівні міліметра. IPhone 17 інтегрує цей датчик із розширеною обробкою обладнання та програмним забезпеченням, здатним створювати щільні хмари в поєднанні з даними RGB для зйомки як геометричної, так і кольорової інформації, необхідної для досліджень рослин.
Вимірювання кривизни листя
Для кількісної оцінки кривизни листя за допомогою iPhone 17 LiDAR типовий робочий процес передбачає сканування поверхні листя з декількох кутів, часто використовуючи напівкруглий рух навколо листя, щоб забезпечити повне покриття верхніх та нижніх поверхонь. Хмара 3D -точки, що генерується з цих сканів, може бути оброблена за допомогою алгоритмів реконструкції сітки, таких як метод альфа -форм або реконструкція поверхні Пуассона, які створюють безперервні моделі поверхні з дискретних точок.
Після створення 3D -поверхневої сітки, кривизна листя отримується шляхом аналізу локальної геометрії поверхні. Кривизна може бути кількісно визначити як кривизну Гаусса, яка представляє внутрішню кривизну, або середню кривизну, пов'язану з вигином. Обчислюючи кривизну по всій поверхні листя, можна об'єктивно характеризувати варіації складання листя, кочення або інших деформацій. Це полегшує дослідження механіки листя, реакцій на стрес та механізмів адаптації.
Оцінка темпів зростання
Відстеження темпів росту листя рослин за допомогою iPhone 17 LIDAR передбачає повторне сканування одного і того ж листя або листя протягом визначених часових інтервалів. Ретельна реєстрація 3D -точкових хмар, зібраних у різний час, дозволяє точно виявити зміни розміру, форми та об'єму листя. Показники росту можуть бути витягнуті шляхом порівняння площі поверхні, довжини листя і навіть кривизни змін від послідовних сканів.
Автоматизовані алгоритми сегментації можуть виділити окремі листя від складних рослинних архітектур у хмарі 3D-точки, що дозволяє за аналіз росту на відстані без руйнівного відбору проб. Використання машинного навчання або методів обробки зображень допомагає автоматизувати вилучення морфометричних параметрів, таких як довжина, ширина, площа поверхні та кривизна.
Практична реалізація та точність
Хоча вперше ефективно продемонстровано на попередніх моделях iPhone, таких як iPhone 13 Pro, останні вдосконалення в технології LIDAR iPhone 17 покращили просторову роздільну здатність, щільність точки та швидкість сканування. Польові експерименти, що сканують кукурудзи та листя фруктових дерев, ілюструють, що дані LIDAR з iPhone забезпечують сильні кореляції з традиційними інструментами вимірювання (такими як вимірювання площі та ручні супорти), із значеннями R-квадрата зазвичай перевищують 0,85 для площі поверхні та морфологічних ознак.
Для максимізації точності, умови навколишнього середовища та протоколи сканування повинні бути добре контрольовані: послідовне освітлення, мінімальний рух рослин та ретельний контроль датчиків під час сканування всієї покращення якості даних. Вбудований гіроскоп iPhone 17, магнітометр та розширений процесор допомагають стабілізуючи сканування та компенсацію руху.
Інструменти обробки програмного забезпечення та обробки даних
Спеціалізовані програми, такі як PolyCAM або розроблене на замовлення програмне забезпечення, що використовує вихід LIDAR iPhone 17, дозволяють користувачам генерувати 3D-точкові хмари та обробляти їх для морфометрії рослин. Ці інструменти дозволяють:
- Захоплення хмарної хмари з атрибутами кольору RGB.
- 3D -реконструкція за допомогою генерації сітки.
- Сегментація листяних структур з усієї моделі рослини.
- Розрахунок площі поверхні листя, кривизни та об'ємних ознак.
- Тимчасовий аналіз шляхом вирівнювання неодноразових сканів для відстеження росту.
Бібліотеки програмування, такі як Open3D, забезпечують алгоритми реконструкції поверхні (форми альфа, Пуассон), аналіз сітки для кривизни та точкову хмарну реєстрацію, необхідну для тимчасового порівняння. Навчальні інструменти на основі Python можуть автоматизувати обробку трубопроводів з даних LIDAR до корисних показників зростання.
Застосування в науці про рослини
Використання LIDAR на смартфонах, таких як iPhone 17, приносить високоточну, швидку фенотипування безпосередньо до поля чи теплиці. Це полегшує:
- неруйнівні вимірювання морфології та кривизни листя, що відображають екологічний стрес або генетичні риси.
- Постійний моніторинг темпів росту в тонких просторових та скроневих масштабах без фізично тривожних рослин.
- Посилення розуміння фізіологічних параметрів, пов'язаних з фотосинтезом, транспірацією та загальним здоров’ям рослин, пов'язаними з геометрією поверхні листя.
Цей підхід є економічно вигідним та масштабованим порівняно з традиційними лазерними сканерами, що дозволяє широко прийнято в точному сільському господарстві, дослідженнях лісових господарств та розведенні рослин.
Підсумок процесу
1. Налаштуйте зразок рослини в стабільному положенні з мінімальним вітром.
2. Використовуйте iPhone 17 Lidar, переміщуючи його півкрильно і навколо заводу для повного 3D -покриття.
3. Дані хмари з захопленням, збагачені RGB, використовуючи додатки, які взаємодіють з датчиком LIDAR.
201
5. Проаналізуйте сітки на кривизну, обчислюючи локальні геометричні властивості поверхні.
6. Повторні сканування через часові інтервали для кількісної оцінки темпів росту шляхом вимірювання змін розміру листя та поверхневих ознак.
7. Використовуйте автоматизовану або напівавтомативну сегментацію для виділення окремих листків для конкретного аналізу.
8. Валідувати вимірювання традиційними методами або відомими стандартами для забезпечення точності.