利用深度学习自动估算水稻抽穗期

本文提出了一个简单的系统,用于从水稻地面RGB图像中检测含有稻穗的区域,植物表型资讯简介如下:

水稻抽穗期的精准估计有助于育种人员了解不同作物品种在特定地区的适应性。抽穗期对研究粮食产量也起着至关重要的作用。目前对作物抽穗期进行人工视觉检查费时且费力,因此,能够快速、准确地估算水稻抽穗期非常必要。

1

实验流程是示意图

本文提出了一个简单的系统,用于从水稻地面RGB图像中检测含有稻穗的区域。结果显示,在给定图像的固定区域大小中,含有稻穗区域数量与当前的开花穗数成正比。因此可以利用稻穗计数来估计水稻抽穗期。该方法基于卷积神经网络图像分类。研究人员对三种不同水稻品种在5个时间序列图像中进行了性能评估,与传统方法相比,该方法测得结果的准确性和通用性都得到了改进,估计的水稻抽穗期平均绝对误差小于1天。

2

验证集的检测评估

3

4

 花序区域检测

综上所述,利用自然田间条件下作物时间序列RGB图像估算水稻抽穗期的方法可靠且有效,可以代替人工观测。

来源:

Desai S V, Balasubramanian V N, Fukatsu T, et al. Automatic estimation of heading date of paddy rice using deep learning. arXiv:1906.07917.

 

扩展阅读:

植物表型资讯两周年目录汇总

植物表型资讯2019年1-6月目录汇总微信图片_20190612095759