본 연구는 왜성 토마토 세 품종(Mohamed, Hahms Gelbe Topftomate, Red Robin)을 대상으로 RGB 이미지 기반의 3D 재구성과 머신러닝을 결합한 비파괴적 총 잎 면적(TLA) 추정 방법을 평가하였다. 두 번의 실험(봄-여름, 가을-겨울)을 통해 73개체, 총 418개의 TLA 측정값을 "onion" 방법으로 얻었다. 고해상도 비디오 촬영 후, 식물당 500프레임을 사용하여 3D 재구성을 수행하고, Alpha Shape, Marching Cubes, Poisson's, Ball Pivoting 네 가지 알고리즘과 다중 선형 회귀, Lasso 회귀, Ridge 회귀, Elastic Net 회귀, 랜덤 포레스트, 극한 경사 부스팅, 다층 퍼셉트론 등 7가지 회귀 모델을 적용하여 TLA를 예측하였다. Alpha Shape($\alpha = 3$) 재구성과 극한 경사 부스팅 모델의 조합이 최고 성능($R^2 = 0.80$, $MAE = 489 cm^2$)을 보였으며, 실험 간 검증에서도 견고한 결과($R^2 = 0.56$, $MAE = 579 cm^2$)를 나타냈다. 높이, 너비, 표면적이 주요 예측 변수로 확인되었다.
