作者：佩萨赫·本森 (Pesach Benson) • 2025年7月30日

TPS-IL——2025年7月30日电（耶路撒冷）——在一项可能重塑农民监测作物健康方式的突破中，以色列研究人员公布了一种低成本、无创的方法，仅使用普通的摄像机就能估计植物的总叶面积。

该研究由希伯来大学环境科学研究所博士生德米特里·乌森科 (Dmitrii Usenko) 领导，展示了如何利用运动恢复结构 (SfM) 技术将标准视频素材转化为植物的3D模型。这种传统上应用于计算机视觉和遥感等领域的方法，能够在无需昂贵传感器或破坏性采样的情况下，对植物生长进行准确测量。

“准确测量总叶面积对于了解植物生长、光合作用和水资源利用至关重要，”指导该研究的希伯来大学大卫·赫尔曼 (David Helman) 博士表示。“但传统方法往往需要破坏性采样或昂贵且难以获取的设备。我们的模型将易用性和准确性结合在一起，其方式可能使小农户和大规模农业运营受益。”

在与萨米·沙穆恩工程学院陈吉拉迪 (Chen Giladi) 博士的合作下，研究团队收集了300多段在受控温室条件下生长的矮番茄植物的视频剪辑。从这些剪辑中，他们生成了3D点云（代表植物形状和结构的密集空间数据簇）。然后，他们训练了机器学习算法，根据从3D数据中提取的特征来估计总叶面积。

研究结果发表在同行评审期刊《计算机与电子农业》(Computers and Electronics in Agriculture) 上。

表现最好的模型实现了0.96的决定系数 (R²)，表明其具有极高的预测准确性。值得注意的是，该系统即使在困难条件下（例如叶子重叠或气流引起的植物移动）依然保持可靠。

“通过降低准确监测植物的成本壁垒，我们希望使精准农业的获取民主化，”乌森科表示。“这是朝着更智能、更可持续的农业迈出的小而有意义的一步。”

尽管该研究重点关注番茄，但研究人员强调，该方法与作物无关且具有适应性。科学家们表示，由于它只需要消费级设备上广泛使用的标准RGB成像，因此这种监测可以轻松扩展，用于全球的温室和开阔田地。这使得该技术对于那些原本负担不起更昂贵监测的小农场具有价值。

在温室中，该技术还可以集成到自动化系统中，根据实时植物发育优化灌溉、光照和其他环境控制。