在植物品种特异性、一致性和稳定性（DUS）测试及大田作物全生育期表型调查工作中，大量性状需于特定生育期完成时效性观测记录。

实际业务场景下，试验田与实验室普遍存在空间距离。样本离体后需历经保存、转运与待检过程，易产生失水、萎蔫、枝叶姿态变化等问题，致使获取的数据难以还原样本采样时刻的真实状态。

谷丰光电新推出的便携式3D植物表型成像分析系统，15min快速搭建，UPS户外供电续航≥6h，直接部署至试验点周边，即可完成样本建档、360°多视角采集、三维重建及表型分析。

一套可在试验点附近快速搭建的采集系统

图：便携式3D成像箱硬件实物展示

便携式3D植物表型成像分析系统，由便携式3D成像箱、电动旋转台、RGB工业相机、均匀补光照明系统、3D Capture 采集端和3D Analyse 分析端共同组成。

设备主体采用型材管架搭配布艺围护结构，兼顾整机轻量化特性，满足转运便捷性与野外临时作业点快速部署的使用要求。

整套设备可在15min内完成组装；将植物样本放置于电动旋转台，即可在统一背景、光照、机位及采集参数条件下，实现360°多视角图像标准化采集。

田间部署说明

设备可选配满足额定功率及续航要求的户外移动电源。建议在避雨、避强风、地面平整的临时作业点搭建，以获得更稳定的采集条件。

从“采后送检”到“田间及时采集”

本方案并非替代人工调查，而是为DUS测试与大田表型调查补充一套标准化数字化记录手段，旨在减少由样本状态变化和采集环境差异引入的观测误差。

及时采集 | 数据一致性高 | 部署灵活

采得及时

将采集环节前移到试验点附近，缩短样本离体后的保存、运输和等待时间。

采得稳

固定背景、补光、相机位置、转台角度和采集参数，提升不同样本间的数据一致性。

采得全

通过360°多视角图像补充单一视角难以记录的空间结构信息。

可复核

样本编号与原始图像、点云、骨架和分析结果关联，便于追溯与二次分析。

部署灵活

轻量化结构便于转运和快速搭建，适用于距离实验室较远的试验点。

从样本到数据，一条流程完成采集与分析

图：从采集到分析输出的系统工作流程

1 3DCapture采集

样本置于电动转台中心后，3DCapture采集端完成样本建档、参数设置和360°多视角采集。

2 3DCapture分析

3DAnalyse分析端继续完成图像分割、三维重建、点云裁剪、骨架提取与修正、表型分析及结果导出。

3结果汇总

最终形成可测量、可比较、可追溯的数字化样本数据。

两端协同：采集标准化，分析过程可检查

1 3D Capture采集端

研究人员可创建样本并设置保存路径，根据样本调整相机曝光、增益和ROI区域，同时配置转台方向、角度、采集帧数及间隔时间。主界面集中显示实时图像、相机参数、转台控制、单帧/连续采集和设备状态，便于确认采集任务进展。

图：3D Capture 采集软件主界面

2 3D Analyse分析端

软件将原始图像、处理参数、三维数据和分析结果统一管理，可完成图像分割、稀疏/稠密重建、点云裁剪、骨架提取及人工修正。对于自动处理中可能出现的偏移、断点或错误连接，可通过移动点、添加点、添加线和删除线等方式进行检查与修正。

主要输出内容

株型表型分析

输出株高、冠幅、分枝数量、分枝长度、侧枝夹角及株型等关键结构指标。

棉铃表型分析

对棉铃目标进行识别与测量，输出棉铃尺寸、角度及形态特征等量化结果。

三维结构数据

生成植物三维点云、骨架及节点连接关系，直观记录植株空间结构。

结果导出

表型分析结果支持 TXT、Excel 等格式导出；点云支持 PLY 格式，骨架支持 OBJ 格式。

功能边界说明

叶片面积、投影面积、株型分类以及棉铃等目标器官识别属于可配置或扩展能力，具体效果受作物类型、样本结构、采集质量和软件模块影响，以实际项目配置与验收方案为准。

科研应用验证｜棉花株型数字化分类

谷丰光电参与的联合研究团队在《Artificial Intelligence in Agriculture》发表相关研究，基于三维表型数据对419份棉花种质进行分析，并建立棉花株型定量分类框架。

研究将棉花植株架构划分为圆柱形、陀螺形、倒三角漏斗形、子弹形、塔形、梭形、三角漏斗形、倒塔形和沙漏形9种类型，展示了三维表型技术在棉花株型量化分析中的实际应用。

原文阅读☞棉花株型育种重大突破：首创棉花三维表型分析流程，实现棉花植株九类定量分类

图：9种棉花株型的RGB图像、三维重建模型及定量分类结果

来源：Xu, B., Yang, J., Ye, J., et al. A 3D phenotypic framework for cotton: From platform construction to systematic digital architecture classification. Artificial Intelligence in Agriculture, 2026.

DOI: https://doi.org/10.1016/j.aiia.2026.05.005

从三维重建到株型分类，相关研究进一步体现了植物三维表型数据在株型研究、育种材料比较与数字化表型分析中的应用价值。

服务真实测试与科研场景

DUS测试表型采集支持

在特定生育时期及时记录株高、冠幅、株型和分枝结构等性状，为量化记录和结果复核提供数字资料。系统不替代现行DUS测试指南规定的调查流程和最终判定。

大田棉花多生育时期采集

在现蕾、开花、结铃等阶段按统一流程采集单株多视角图像与三维数据，比较株型、分枝及目标器官的动态变化。

育种与栽培试验

对不同品种、育种群体以及水肥、密度、干旱或盐碱处理下的株高、冠幅、侧枝夹角和体量等性状进行量化比较。

科研教学与算法开发

原始图像、分割图像、三维点云、骨架和分析结果可用于教学、算法验证与定制指标研究。

便携式3D成像箱核心参数

田间前置采集，保留样本原始状态

从实验室受控环境下的高精度三维表型研究，到试验点附近的便携式部署，谷丰光电持续推动三维植物表型技术向更灵活、更贴近真实科研场景的方向延伸。

便携式3D植物表型成像分析系统不是把实验室设备简单搬到田间，而是围绕远距离试验点和鲜活样本及时采集需求，建立一条从田间成像、数据归档到三维分析的完整表型数据链。

从“取样后带回实验室再测”，到“在试验点附近及时采集”，从一组多视角图像，到可复核的点云、骨架和表型结果——系统为DUS测试表型采集、育种筛选和多生育时期研究提供标准化数字资料。