学术中心

全部分类
您现在的位置:
首页
/
/
/
基于深度学习的玉米和高粱叶片自动计数

基于深度学习的玉米和高粱叶片自动计数

  • 分类:植物表型资讯
  • 作者:PhenoTrait
  • 来源:本站
  • 发布时间:2021-02-07 06:10
  • 访问量:

【概要描述】本文评估了两种基于深度学习的自动叶片计数方法:第一种基于整体图像分析的回归计数,第二种基于检测计数

基于深度学习的玉米和高粱叶片自动计数

【概要描述】本文评估了两种基于深度学习的自动叶片计数方法:第一种基于整体图像分析的回归计数,第二种基于检测计数

  • 分类:植物表型资讯
  • 作者:PhenoTrait
  • 来源:本站
  • 发布时间:2021-02-07 06:10
  • 访问量:
详情

叶片计数和出苗率是植物育种家、植物遗传学家和作物模型学家感兴趣的表型性状。即使对一个未经训练的人来说,单个植株的叶片计数也很简单,但在多个时间点追踪数百个植株的叶片数变化却非常具有挑战性。这项研究产生了一个超过150000张玉米和高粱叶片计数项目图像的数据集,包括17783张对单个叶尖位置注释图像的子集。对于这些带注释的图像,本文评估了两种基于深度学习的自动叶片计数方法:第一种基于整体图像分析的回归计数,第二种基于检测计数。

 

追踪植物叶片数量的挑战

 

叶数的人为标注错误

 

结果显示,这两种方法都可以实现小于单个叶片的RMSE(均方根误差),仅略低于人类注释的RMSE(介于0.57和0.73叶片之间)。基于卷积神经网络(CNNs)的回归计算方法,低估了数据集中植株的极端叶片数,准确性较低,偏差增加。基于快速R-CNNs目标检测模型的检测计数方法在所有叶尖可见的植株上接近人类计数的性能。作为本研究的一部分,所产生的带注释图像数据和模型性能度量为比较和改进基于图像数据的谷物叶片计数算法提供了大规模资源。

 

用回归方法计算预测值和误差的分布

 

代表性叶尖检测结果

 

最佳目标检测模型在无叶尖遮挡图像上的性能

 

来源:

Miao C, Guo A, Yang J, et al. Automation of Leaf Counting in Maize and Sorghum Using Deep Learning. bioRxiv. doi: https://doi.org/10.1101/2020.12.19.423626

 

关键词:

扫二维码用手机看

推荐新闻

致即将毕业的你
致即将毕业的你
发布时间 : 2021-04-20 15:29:43
如果您有意向,不要彷徨不要犹豫,赶快将您的简历发到邮箱hr@phenotrait.com吧。
查看详情
如果您有意向,不要彷徨不要犹豫,赶快将您的简历发到邮箱hr@phenotrait.com吧。
我司荣登2020国际未来农业食品百强榜生物农业TOP20
我司荣登2020国际未来农业食品百强榜生物农业TOP20
慧诺瑞德荣登2020国际未来农业食品百强榜生物农业TOP20
查看详情
慧诺瑞德荣登2020国际未来农业食品百强榜生物农业TOP20
慧诺表型实验室推出测试服务
慧诺表型实验室推出测试服务
发布时间 : 2020-08-26 11:38:26
提供植物表型、光合作用等相关的数据测试和分析服务
查看详情
提供植物表型、光合作用等相关的数据测试和分析服务
提高光合效率促进植物生长
提高光合效率促进植物生长
发布时间 : 2020-07-10 00:00:00
我们可能培育出阳光利用率至少为1.5%的植物,而不是目前的0.5%,这是一个巨大的进步。
查看详情
我们可能培育出阳光利用率至少为1.5%的植物,而不是目前的0.5%,这是一个巨大的进步。

视频展示

植物表型架起从数字农业到智慧农业的桥梁
00:30:11
所属分类:
视频展示
发布时间:
2020/12/10
关键词:

专题报道

搜索
确认
取消

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:010-62925490829288548292886482928874
传真:010-62925490-802
Email:
info@phenotrait.com

邮编:100096

在线留言

关注我们

这是描述信息

植物表型圈

这是描述信息

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