直播課程
近年來，隨著機器人測量技術等科技發展，獲取精確的農作物生長數據已成為可能，發展出3D圖像感測技術成為獲取生長數據的基礎，估算農作物生長狀況的指標之一是植物本身的表面溫度，因可反應出植物蒸散作用、光合作用等影響植物環境適應性，產量、品質等與這些生理功能與溫度變化皆有密切相關，此外，當植物生病時，感染初期會出現溫度變化，因此，利用熱能圖像分析植物的生理狀態，對乾旱、鹽害和疾病等脅迫的反應開始進行研究。
植物表面溫度3D測量
為了準確識別植物表面溫度分佈以及顯示溫度的部分，從同一視角拍攝熱圖像和RGB圖像，並將兩種類型的圖像組合起來重疊。以前利用傳統技術，只能疊加2D圖像，如果隱藏部分出現生理異常，則可能會被忽視。
NARO開發此3D圖像技術，是根據2D熱圖像和2D RGB圖像，通過SFM及MVS方法同時構建每個3D圖像，並開發了一種整合技術，能夠疊加受檢體的表面溫度分佈和形狀等圖像，就能識別出顯示該溫度的區域，並量化各個特定部位的生理反應。
該研究結果關鍵在於開發了新的特徵點標記和參考點標記，這些標記可以被熱像儀和RGB成像相機識別，且證實將熱圖像和從相同視角拍攝的RGB圖像疊加是有效的，由於可以將植物的當前狀態做為數據儲存，因此可以在電腦以3D圖像的形式再現測量時的植物形狀和溫度分佈，可以以後重複檢查。
新開發特徵點標記與參考點標記
先在植物攝影範圍周遭佈置具有熱圖像與RGB圖像之特徵點標記，可同時獲取兩種3D圖像特徵點，再根據特徵點與參考點標記對齊圖像，整合成完整的3D圖像。
研究成果針對不同類型圖像的3D測量和整合技術原理，不僅可以應用於熱圖像和RGB圖像，還可以應用於使用近紅外線和紫外線的攝影。可透過建立早期檢測植物環境脅迫和疾病技術，以及預測生長不良和產量下降風險系統，為提高培植管理和育種技術準確性做出貢獻。
文章來源
<農業科技決策資訊平台>
