集成 3D 骨架提取和语言分析的多模式植物根表型分析

植物根表型分析对于了解地下结构、优化作物管理和提高农业可持续性至关重要。本文提出了一种多模态机器人人工智能框架，该框架将 3D 骨架提取与语言引导推理相结合，以进行可解释且数据高效的根分析。我们开发了一种基于加权拉普拉斯收缩 (W-LBC) 的无监督骨架提取网络，从机器人 3D 传感平台捕获的密集点云生成高保真结构表示。根据重建的骨架图计算定量形态描述符，包括根数、长度、分支角度和密度，以捕获几何和拓扑特征。基于这些功能，我们引入了证据优先的语言建模框架，该框架使用自动生成的指令-响应对将 GPT 微调为交互式分析聊天机器人。每个训练样本在自然语言推理之前提供可测量的证据，使模型能够以定量形态学的方式进行解释。通过受监督的 微调，GPT 将数字结构与语义联系起来，对生长模式和适应性特征产生生物学上一致的解释。实验表明，结构引导框架在 12 种具有不同根结构的植物物种中实现了稳健、可解释的推理。通过将无监督的 3D 几何感知与大规模语言理解相结合，我们的方法将定量分析和语义解释联系起来，为可解释的机器人植物根表型分析建立了统一的范式。