稳定生产力是工厂面临的一个重要问题。因此，研究人员一直在研究增长预测，总体目标是提高生产率。植物的投影面积(PA)通常用于生长预测，通过观察植物的整体近似运动来估计植物的生长。为解决这一问题，本文以植物叶片的时间序列运动为研究对象，利用光流(OF)分析来获取生菜叶片的时间序列运动信息。光流分析是一种图像处理方法，提取由于主体运动引起的连续两帧之间的差值。

工业厂房多设备成像系统(MPI)

分析总结以及法向量分析的概念图

本实验在某大型工业厂房进行。在9天内（播种后6~15天），每隔20分钟拍摄338株幼苗的图像。然后，通过计算OF分析中的法向量，从图像中提取叶片运动特征，并将这些特征应用于机器学习，以预测收获时（播种后38天）生菜的鲜重。利用分析中提取的特征，建立的增长预测模型具有较好的预测效果，相关系数为0.743。此外，本研究还考虑了一个能够自动分析植物图像的表型系统，使该生长预测模型在商业植物工厂中得到广泛应用。

单台设备使用OF的时间序列分析结果

利用机器学习方法预测鲜重

来源：Front. Plant Sci.Leaf-Movement-Based Growth Prediction Model Using Optical Flow Analysis and Machine Learning in Plant Factory.Shogo Nagano, Shogo Moriyuki, Kazumasa Wakamori, Hiroshi Mineno and Hirokazu Fukuda.https://doi.org/10.3389/fpls.2019.00227