La adquisición precisa de rasgos de plantas en macetas tiene una gran importancia teórica y un valor práctico para la selección de variedades y la orientación de prácticas de cultivo científico. Aunque el análisis fenotípico utilizando imágenes digitales bidimensionales (2D) es simple y eficiente, la oclusión de hojas reduce la información fenotípica disponible. Para abordar el desafío actual de adquirir suficiente información no destructiva de plantas en macetas vivas, propusimos un pipeline de fenotipado tridimensional (3D) que combina la reconstrucción de campos de radiación neural con análisis de trayectorias. Se construyó un sistema de recolección en interiores para obtener secuencias de imágenes de múltiples vistas de plantas en macetas. Luego se utilizó el algoritmo de estructura a partir del movimiento y campos de radiancia neural (SFM-NeRF) para reconstruir nubes de puntos 3D, que fueron posteriormente desruidos y calibrados. Se empleó un análisis de trayectorias basado en características geométricas para separar los tallos de las hojas, y se aplicaron métodos de clustering de densidad para segmentar las hojas del dosel. Se extrajeron parámetros fenotípicos de los órganos de las plantas en macetas, incluyendo altura, grosor del tallo, longitud de la hoja, ancho de la hoja y área de la hoja, y se midieron manualmente para obtener los valores verdaderos. Los resultados mostraron que los valores del coeficiente de determinación (R), que indican la correlación entre los rasgos del modelo y los rasgos verdaderos, variaron de 0.89 a 0.98, lo que indica una fuerte correlación. La calidad de la reconstrucción fue buena. Además, se seleccionaron 22 plantas en macetas para experimentos exploratorios. Los resultados indicaron que el método era capaz de reconstruir plantas de diversas variedades, y los experimentos identificaron condiciones clave esenciales para una reconstrucción exitosa. En resumen, este estudio desarrolló un pipeline de fenotipado 3D de bajo costo y robusto para el análisis fenotípico de plantas en macetas. Este pipeline propuesto no solo satisface los requisitos de producción diaria, sino que también avanza en el campo del cálculo fenotípico para plantas en macetas.