فنوتیپ‌بندی سه‌بعدی زعفران در سطح اندام با استفاده از یک گردش کار کم‌هزینه با دو دوربین

پیشینه
فنوتیپ‌بندی دقیق و غیرمخرب زعفران در طول رشد رویشی برای بهینه‌سازی عملکرد بنه و تسریع برنامه‌های اصلاحی بسیار مهم است، با این حال اندازه‌گیری‌های سیستماتیک سه‌بعدی به دلیل چالش‌های مورفولوژیکی شدید: برگ‌های بسیار باریک، انسداد متقابل شدید و معماری رشد خوابیده، همچنان دست‌نیافتنی باقی مانده‌اند. سیستم‌های تصویربرداری تک‌منظره سنتی در چنین شرایطی قادر به تفکیک برگ‌های منفرد نیستند و تجزیه و تحلیل فنوتیپی را به توصیفگرهای کل سایبان محدود می‌کنند. در اینجا، ما یک گردش کار فنوتیپ‌بندی سه‌بعدی تخصصی در سطح اندام ایجاد کردیم که به طور خاص برای برگ‌های باریک و همپوشانی با استفاده از یک سیستم جمع‌آوری چرخشی دو دوربینه کم‌هزینه که با بازسازی استریو چندنمایی ساختار از حرکت (SfM-MVS) متن‌باز یکپارچه شده است، طراحی شده است.
نتایج
استراتژی دو منظری، خطاهای ناشی از انسداد را در مقایسه با رویکردهای تک‌منظره 75 درصد کاهش می‌دهد و امکان تقسیم‌بندی قوی در سطح اندام را از طریق یک استراتژی خوشه‌بندی چند محدودیتی فراهم می‌کند. اندازه‌گیری‌های خودکار طول و عرض برگ در پنج مرحله رشدی، تطابق فوق‌العاده‌ای با مراجع دستی نشان می‌دهند (R2>0.94، MAPE<6%)، و به معیارهای دقت تعیین‌شده برای محصولات پهن‌برگ با استفاده از سخت‌افزار درجه تجاری با هزینه ۱۰۰ برابر کمتر دست می‌یابند. تجزیه و تحلیل حساسیت وکسل سیستماتیک در نه مقیاس، پارامترهای پیش‌پردازش بهینه (اندازه وکسل ۲ سانتی‌متر) را شناسایی کرد که دقت اندازه‌گیری را با کارایی محاسباتی متعادل می‌کند و به یک شکاف تکرارپذیری حیاتی در فنوتیپ‌بندی گیاهان می‌پردازد. ردیابی طولی اکتشافی نشان داد که زیست‌توده روی زمین با عملکرد نهایی بنه همبستگی دارد (r=0.68، P<0.001)، و حجم تاج پوشش میانی رویشی نیز همبستگی قوی نشان می‌دهد (r=0.52، P<0.01)، که نشان‌دهنده بده‌بستان‌های تخصیص منابع بالقوه بین گسترش رویشی و توسعه اندام‌های ذخیره‌سازی است.

نتیجه‌گیری این کار نشان می‌دهد که فنوتیپ‌بندی سه‌بعدی در سطح اندام از برگ‌های باریک و هم‌پوشان با استفاده از سخت‌افزار تصویربرداری کم‌هزینه و گردش‌های کاری روش‌شناختی شفاف قابل دستیابی است. مستندسازی کامل پارامترهای الگوریتمی و مشخصات سخت‌افزاری، امکان تکثیر مستقیم و سازگاری با سایر محصولات باریک‌برگ (گندم، برنج، پیاز، تره‌فرنگی) را فراهم می‌کند و دسترسی به فنوتیپ‌بندی با توان عملیاتی بالا را در محیط‌های با منابع محدود، دموکراتیک می‌کند. این گردش کار با نشان دادن اینکه شفافیت روش‌شناختی و مقرون‌به‌صرفه بودن نیازی به فدا کردن دقت اندازه‌گیری ندارند، فنومی گیاهی را پیشرفت می‌دهد و راه‌های جدیدی را برای نقشه‌برداری فنوتیپ به ژنوتیپ و اصلاح پیش‌بینی‌کننده در محصولات کم‌استفاده باز می‌کند.

Background
Precise, non-destructive phenotyping of saffron during vegetative growth is critical for optimizing corm yield and accelerating breeding programs, yet systematic 3D measurements have remained elusive due to extreme morphological challenges: ultra-narrow leaves, severe mutual occlusion, and prostrate growth architecture. Traditional single-view imaging systems fail to resolve individual leaves under such conditions, limiting phenotypic analysis to whole-canopy descriptors. Here, we developed a specialized organ-level 3D phenotyping workflow specifically designed for narrow, overlapping leaves using a low-cost dual-camera rotary acquisition system integrated with open-source Structure-from-Motion Multi-View Stereo (SfM-MVS) reconstruction.
Results
The dual-perspective strategy reduces occlusion-induced errors by 75% compared to single-view approaches, enabling robust organ-level segmentation via a multi-constraint clustering strategy. Automated measurements of leaf length and width across five developmental stages demonstrate exceptional agreement with manual references (R2 > 0.94, MAPE < 6%), achieving accuracy benchmarks established for broad-leaved crops using commercial-grade hardware at 100 × lower cost. Systematic voxel sensitivity analysis across nine scales identified optimal preprocessing parameters (2 cm voxel size) balancing measurement precision with computational efficiency, addressing a critical reproducibility gap in plant phenotyping. Exploratory longitudinal tracking revealed that above-ground biomass was correlated with final corm yield (r = 0.68, P < 0.001), with mid-vegetative canopy volume also showing strong correlation (r = 0.52, P < 0.01), suggesting potential resource allocation trade-offs between vegetative expansion and storage organ development.

Conclusions
This work demonstrates that organ-level 3D phenotyping of narrow, overlapping leaves is achievable using low-cost imaging hardware and transparent methodological workflows. Complete documentation of algorithmic parameters and hardware specifications enables direct replication and adaptation to other narrow-leaved crops (wheat, rice, onion, leek), democratizing access to high-throughput phenotyping in resource-limited settings. The workflow advances plant phenomics by demonstrating that methodological transparency and cost-effectiveness need not compromise measurement precision, opening new avenues for phenotype-to-genotype mapping and predictive breeding in underutilized crops.