学术中心
胁迫条件预测对于监测植物生长、病害检测和作物产量评估至关重要。利用各种传感器获得的多模态数据可以提供不同视角,有助于预测过程。本文以在两周半时间内、四个单独水肥处理的幼苗数据集为试验材料,提出了几种方法和策略来预测香蕉植株的非生物胁迫。数据集由RGB和热图像组成,每株植物每天拍摄一次。
实验布局的示意图(顶部)和温室内部的俯视图(底部)
实验过程中的手动测量
实验第八天的原始和分段RGB图像(顶部行),原始和分段的热图像(底部行)的样本
结果是令人鼓舞的,从某种意义上说,神经网络显示出较高的预测率(在四个类别中超过90%),在几乎没有任何显著特征区分处理的情况下,远远高于现场专家预测的结果。
每种处理的日平均植物温度(左),以及通过植物和轮廓温度获得的预测准确率(右)
单个RGB +单个热框架的序列长度预测精度
来源:
Levanon S, Markovich O, Gozlan I, et al. Abiotic Stress Prediction from RGB-T Images of Banana Plantlets. arXiv:2011.11597.
扫二维码用手机看
视频展示
专题报道
联系我们
慧诺瑞德(北京)科技有限公司
地址:北京市海淀区西三旗街道建材城东路10号院
京城尚德智造产业园E区112B
电话:010-62925490、82928854、82928864、82928874
传真:010-62925490-802
Email: info@phenotrait.com
邮编:100096
在线留言
关注我们

植物表型圈

植物表型资讯
慧诺瑞德(北京)科技有限公司版权所有 京ICP备15043840号 网站建设:中企动力 北二分 法律声明