学术中心

全部分类
您现在的位置:
首页
/
/
/
WheatNet:基于轻量级卷积神经网络的高通量图像小麦穗检测和计数

WheatNet:基于轻量级卷积神经网络的高通量图像小麦穗检测和计数

  • 分类:植物表型资讯
  • 作者:PhenoTrait
  • 来源:本站
  • 发布时间:2021-04-17 06:10
  • 访问量:

【概要描述】为了缓解小麦育种中的数据收集瓶颈,本文提出了一种新的深度学习框架——WheatNet,该方法可以准确有效地计算小麦穗数,收集实时数据,从而进行农艺决策

WheatNet:基于轻量级卷积神经网络的高通量图像小麦穗检测和计数

【概要描述】为了缓解小麦育种中的数据收集瓶颈,本文提出了一种新的深度学习框架——WheatNet,该方法可以准确有效地计算小麦穗数,收集实时数据,从而进行农艺决策

  • 分类:植物表型资讯
  • 作者:PhenoTrait
  • 来源:本站
  • 发布时间:2021-04-17 06:10
  • 访问量:
详情

利用人工记录的田间观测数据对于植物育种决策至关重要。然而,某些表型性状,如植物颜色、高度、籽粒数等,只能在作物生长周期的特定时间窗内采集,且劳动强度大,每个季节只能采集一小部分田间实时观察的结果。为了缓解小麦育种中的数据收集瓶颈,本文提出了一种新的深度学习框架——WheatNet,该方法可以准确有效地计算小麦穗数,收集实时数据,从而进行农艺决策。同时,本文验证了该方法在麦田的各种环境条件的稳健性和准确性。

 

这幅图像显示了小麦基因型、麦穗取向、发育阶段和图像尺度的高度变异性

 

WheatNet的网络结构

 

首先,使用截短的MobileNetV2作为一个轻量级的主干特征提取器。然后,提取多尺度特征到两个并行的子网络中,同时进行基于密度的计数和定位任务。结果显示,我们提出的方法在麦穗计数任务中,MAE和RMSE分别达到3.85和5.19,且而与其他最先进的方法相比,参数要少得多。综上所述,该方法具有一定的优越性和有效性。

 

我们提出的方法的视觉效果

 

用本文提出的方法和快速R-CNN方法估计小麦穗部的预测中心

 

来源:

Khaki S, Safaei N, Pham H and Wang L. WheatNet: A Lightweight Convolutional Neural Network for High-throughput Image-based Wheat Head Detection and Counting. arXiv:2103.09408.

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