基于卷积神经网络的高通量图像植株计数


发布时间:

2020-12-07

来源:

本站

作者:

PhenoTrait

由于社会的复杂需求,现代农业和植物育种的未来格局正在迅速变化。可收集数据的爆炸式增长已经开始了一场必须进行创新的农业革命。对于一个商业组织来说,为了确保在育种周期的关键时期做出最佳决策,准确、有效地收集信息至关重要。然而,由于育种计划的规模和当前资源的限制,很难收集单个植物的精确数据。特别是,由于劳动力需求和专家领域的知识,记录作物颜色、形状、化学性质、病害易感性等的有效表型非常有限。

 

图片显示玉米处于营养生长期V1到V6

 

DeepStand架构概述

 

本文提出了一种基于深度学习的玉米早期计数方法:DeepStand。该方法采用截断的VGG-16网络作为主干特征提取器,融合不同尺度的多个特征图,使网络对于比例尺变化具有鲁棒性。经过大量的计算实验表明,该方法可以成功地计算出玉米株数,并优于其他最先进的方法。我们的工作目标是让更大的农业群体使用该方法来实现高通量表型,而无需耗费大量的时间和劳力。

 

该计数方法的视觉结果

 

来源:

Khaki S, Pham H, Han Y, et al. High-Throughput Image-Based Plant Stand Count Estimation Using Convolutional Neural Networks. arXiv:2010.12552.

推荐新闻

石时之约|韩志国:透过表型数据,看见植物的喜怒哀乐!

本期石时之约,我们将对话慧诺瑞德(北京)科技有限公司总经理、国际植物表型学会(IPPN)执委会委员/工业分会副主席韩志国,一起从表型数据的科学角度,去读懂农作物的喜怒哀乐和前世今生。

慧科研、慧育种、慧种田——慧聚改变的力量

让我们“慧聚”在一起,为“慧科研、慧育种、慧种田”赋能。

高通量植物表型平台建设注意事项

育种,是在给定的环境条件下,选择各种表型指标(产量、品质、抗性)最优的基因型材料的过程(AI育种,从这里起步)。育种工作中大约70%的工作量来自表型观察测量和筛选,是最耗人力物力的过程。

作物生理表型测量基础原理

生理表型测量的核心在于“早、快”,要在肉眼可见之前就能测量并预判出变化趋势,才是这个技术的核心价值。叶绿素荧光成像,恰好满足了这个要求。