发表机构
IRHS, INRAE, Univ. Angers; LARIS, Univ. Angers; GAFL, INRAE; SVQV, UMR1131, INRAE, Univ. Strasbourg; UEAV, INRAE; UEA, UMR0393, INRAE（法国国家农业、食品与环境研究院（INRAE）IRHS研究所，昂热大学; 昂热大学LARIS实验室; 法国国家农业、食品与环境研究院（INRAE）GAFL研究所; 法国国家农业、食品与环境研究院（INRAE）UMR1131 SVQV研究所，斯特拉斯堡大学; 法国国家农业、食品与环境研究院（INRAE）UEAV实验站; 法国国家农业、食品与环境研究院（INRAE）UMR0393 UEA研究所）
机构由 AI 辅助整理，请以论文原文为准。AI 中文总结
FrontVeg V2提出一种无训练软件框架，结合深度估计与零样本分割，实现棚架作物高分辨率图像中前景感知的植物性状分割，减少邻行干扰，支持多作物多性状表型分析。
AI 中文摘要
FrontVeg V2是一个开源的、无需训练的软件框架，用于高分辨率棚架作物图像中植物性状的前景感知零样本分割。该流程结合了单目深度估计、使用谷值感知深度阈值的自动前景提取、分块零样本分割、基于图的掩膜组装和几何感知融合。这种设计使得植物器官和病害症状能够被分割，同时减少来自邻近植被行的检测。当前实现集成了Depth Anything V2 (DAV2)和SAM3，并可通过命令行批处理和Napari图形界面使用。FrontVeg V2为多作物、多性状的数字表型分析提供了一个可复用的框架，无需针对特定任务进行模型重训练。
英文摘要
FrontVeg V2 is an open-source, training-free software framework for foregroundaware zero-shot segmentation of plant traits in high-resolution images of trellised crops. The pipeline combines monocular depth estimation, automatic foreground extraction using Valley-Aware Depth Thresholding, tiled zero-shot segmentation, Graph-Based Mask Assembly, and geometry-aware fusion. This design enables plant organs and disease symptoms to be segmented while reducing detections arising from neighboring vegetation rows. The current implementation integrates Depth Anything V2 (DAV2) and SAM3 and can be used through both command-line batch processing and a Napari graphical interface. FrontVeg V2 provides a reusable framework for multi-crop, multi-trait digital phenotyping without task-specific model retraining.
