耶路撒冷希伯来大学环境科学研究所团队取得农业科技新突破，开发出一种低成本、非侵入性的方法，通过标准视频片段的3D重建来估算矮化番茄植株的总叶面积(TLA)，为精准农业带来革新。

该研究由博士生Dmitrii Usenko主导，在David Helman博士指导下，并与萨米·沙蒙工程学院Chen Giladi博士合作完成。研究团队巧妙运用运动结构(SfM)分析技术和机器学习算法，将普通相机拍摄的二维视频转化为精准的3D数据，无需昂贵传感器或破坏性采样，即可预测植物生长情况，极大提升了作物监测的便捷性和准确性。

研究论文《利用图像运动的三维重建来预测矮化番茄植株的总叶面积》发表于《农业计算机与电子技术》杂志，详细阐述了该方法的核心原理——利用视频序列中物体的运动重建3D几何形状，进而估算叶面积。实验中，研究人员利用300多个温室条件下生长的矮化番茄植株视频片段训练机器学习模型，其性能最佳的模型判定系数(R²)高达0.96，显著优于传统二维方法，即使在叶片重叠或植株移动等复杂情况下也表现出色。

Helman博士强调，准确测量总叶面积对理解植物生长、光合作用和水分利用至关重要，但传统方法成本高昂且操作复杂。新方法结合了可及性与准确性，为小农户和大规模农业经营者提供了经济高效的解决方案。

此外，该方法原则上适用于所有作物，且仅需标准RGB图像，为全球作物监测系统的广泛应用开辟了道路。研究团队还开源了模型实现，鼓励全球研究界进一步开发和定制。

Dmitrii Usenko表示，通过降低精准植物监测的成本门槛，他们希望推动精准农业的普及，迈向更智能、更可持续的农业未来。这一创新成果无疑为全球农业科技领域注入了新的活力。

更多信息： Dmitrii Usenko 等人，利用图像运动的三维重建预测矮化番茄植株的总叶面积，《农业计算机与电子技术》(2025 年)。