IPhone 17 varustatud LIDAR (valguse tuvastamine ja ulatus) pakub uuenduslikke, tarbijaga juurdepääsetavaid vahendeid taimelehtede kumeruse ja kasvukiiruste mõõtmiseks, hõivates täpsed kolmemõõtmelised andmed. Kasutades iPhone 17 LiDAR-andurit, saab genereerida taimelehtede suure eraldusvõimega 3D-punktpilved, võimaldades üksikasjalikke morfomeetrilisi analüüse, näiteks kumeruse mõõtmine ja ajaline kasvu jälgimine.
Lidar töötab, kiirgades siinse sihtobjekti suunas laservalguse impulsse, ja mõõtes valguse aja kuluvat aega andurisse tagasi peegeldamiseks. Need lennuaja andmed võimaldavad seadmel ehitada lehepinna 3D-ruumilised kaardid millimeetri taseme täpsusega. IPhone 17 integreerib selle anduri täiustatud töötlemisriist- ja tarkvaraga, mis on võimeline tootma tihedaid punktpilvi koos RGB andmetega, et jäädvustada nii geomeetrilist kui ka värviteavet taimeuuringute jaoks.
Lehtede kumeruse mõõtmine
Lehtede kumeruse kvantifitseerimiseks iPhone 17 LiDAR abil hõlmab tüüpiline töövoog lehepinna skannimist mitme nurga alt, kasutades sageli lehe ümber poolringikujulist liikumist, et tagada selle ülemise ja alumise pinna täielik katvus. Nendest skaneeringutest genereeritud 3D -punktpilve saab töödelda võrgusilma rekonstrueerimise algoritmide abil, näiteks alfa -kujuliste meetodi või Poissoni pinna rekonstrueerimise abil, mis loovad pidevad pinnamudelid diskreetsetest punktidest.
Kui 3D -pinnavõrk on loodud, saadakse lehtede kumerus kohaliku pinna geomeetria analüüsimisega. Kuretust saab kvantifitseerida kas Gaussi kumerusena, mis tähistab sisemist kumerust, või painutamisega seotud keskmist kumerust. Arvutades kumeruse kogu lehepinna ulatuses, saab objektiivselt iseloomustada lehtede voltimise, veeremise või muude deformatsioonimustrite variatsioone. See hõlbustab lehtede mehaanika, stressireaktsioonide ja kohanemismehhanismide uuringuid.
Kasvukiiruse hinnang
Taimelehtede kasvukiiruste jälgimine iPhone 17 lidariga hõlmab sama lehe või lehtede korduvaid skaneeringuid määratletud ajavahemike jooksul. Erinevatel aegadel kogutud 3D -punktpilvede hoolikas registreerimine võimaldab täpset tuvastada lehtede suuruse, kuju ja mahu muutusi. Kasvu mõõdikuid saab ekstraheerida, võrreldes järjestikuste skaneeringute pindala, lehe pikkust ja isegi kumerusmuutusi.
Automatiseeritud segmenteerimisalgoritmid võivad eraldada üksikud lehed 3D-punktpilve keerukatest taimearhitektuuridest, võimaldades lehtede kasvu analüüse ilma hävitava proovivõtmiseta. Masinaõppe või pilditöötluse tehnika võimendamine aitab automatiseerida morfomeetriliste parameetrite, näiteks pikkus, laius, pindala ja kumerus.
Praktiline rakendamine ja täpsus
Ehkki esmakordselt demonstreeritakse tõhusalt varasemates iPhone'i mudelites nagu iPhone 13 Pro, on iPhone 17 Lidar -tehnoloogia hiljutised parandused veelgi suurendanud ruumilist eraldusvõimet, punkti tihedust ja skaneerimiskiirust. Põllukatsed maisi ja puuviljapuude lehtede skaneerimisel illustreerivad, et iPhone'i lidaariandmed pakuvad tugevaid korrelatsioone traditsiooniliste mõõtmisvahenditega (näiteks pindalamõõturid ja manuaalsed nihikud), mille R-ruudu väärtused on tavaliselt üle 0,85 pindala ja morfoloogilised tunnused.
Täpsuse maksimeerimiseks peavad keskkonnatingimused ja skaneerimise protokollid olema hästi kontrollitud: järjepidev valgustus, minimaalne taimeliikumine ja hoolikas andurikontroll skaneerimise ajal parandavad andmete kvaliteeti. IPhone 17 sisseehitatud güroskoop, magnetomeeter ja arenenud protsessor aitavad skaneeringuid stabiliseerida ja liikumist kompenseerida.
tarkvara- ja andmetöötluse tööriistad
Spetsialiseeritud rakendused, nagu polücam või eritellimusel välja töötatud tarkvara, mis võimendab iPhone 17 LiDAR-väljundit, võimaldavad kasutajatel genereerida 3D-punktpilved ja töödelda neid taimede morfomeetria jaoks. Need tööriistad võimaldavad:
- Tiheda punktpilve jäädvustamine RGB värvi atribuutidega.
- 3D rekonstrueerimine võrgusilma genereerimise kaudu.
- Lehtede struktuuride segmenteerimine kogu taimemudelist.
- Lehtede pindala, kumeruse ja mahuliste tunnuste arvutamine.
- Ajaline analüüs, viies korduvad skaneeringud kasvu jälgimiseks.
Programmeerimisraamatukogud nagu Open3D pakuvad algoritme pinna rekonstrueerimiseks (alfa -kujud, Poisson), võrgusilma analüüsi kumeruse jaoks ja ajaliseks võrdluseks vajalik punktpilve registreerimine. Pythonil põhinevad tööriistaahelad saavad torustikke automatiseerida töötlemata lidari andmetest kasutatavate kasvumõõdikuteni.
rakendused taimeteaduses
LiDAR-i kasutamine nutitelefonides nagu iPhone 17 toob ülitäpse fenotüpiseerimise otse väljale või kasvuhoonesse. See hõlbustab:
- Lehtede morfoloogia ja kõveruse mittepurustatavad mõõtmised, kajastades keskkonnastressi või geneetilisi tunnuseid.
- Pidev kasvukiiruste jälgimine peenete ruumiliste ja ajaliste skaalade korral ilma füüsiliselt häirivate taimedeta.
- Lehtede pinna geomeetriaga seotud fotosünteesi, transpiratsiooni ja üldise taime tervisega seotud füsioloogiliste parameetrite täiustatud mõistmine.
See lähenemisviis on traditsiooniliste laseriskanneritega võrreldes kulutõhus ja skaleeritav, mis võimaldab laialdast kasutuselevõttu täpse põllumajanduse, metsandusuuringute ja taimede aretusprogrammidega.
protsessi kokkuvõte
1. Seadistage taimeproov minimaalse tuulega stabiilses asendis.
2. Kasutage iPhone 17 lidarit, liigutades seda 3D -leviala jaoks poolringikujuliselt ja taime ümber.
3. RGB -ga rikastatud punktpilve andmed, kasutades liideseid liDAR -anduriga.
4. Töötle 3D -punktpilve rekonstrueerimise algoritmidega, et luua täpseid lehepinnasilmasid.
5. Analüüsige kumeruse võrgusilmasid, arvutades lokaalse pinna geomeetrilisi omadusi.
6. Korda skaneerimist ajavahemikuga, et kvantifitseerida kasvukiirusi, mõõtes lehtede suuruse ja pinna tunnuste muutusi.
7. Konkreetse analüüsi jaoks kasutage automatiseeritud või poolautomaatse segmenteerimist.
8. Täpsuse tagamiseks kinnitage mõõtmised traditsiooniliste meetodite või teadaolevate standarditega.