学术中心

全部分类
您现在的位置:
首页
/
/
/
基于深度学习的鹰嘴豆植株水分胁迫识别

基于深度学习的鹰嘴豆植株水分胁迫识别

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

【概要描述】本文提出了一种对胁迫引起的植物视觉变化的时间分析方法,并将其应用于鹰嘴豆植株拍摄图像中水分胁迫识别的具体案例。

基于深度学习的鹰嘴豆植株水分胁迫识别

【概要描述】本文提出了一种对胁迫引起的植物视觉变化的时间分析方法,并将其应用于鹰嘴豆植株拍摄图像中水分胁迫识别的具体案例。

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

为了满足不断增长的世界人口需求,我们需要采用现代、精确和自动化的耕作方法来提高全球农业产量。近十年来,已将无损图像分析和机器学习相结合的高通量植物表型分析技术成功地应用于植物健康和病害的识别和定量研究。然而,这些基于图像的机器学习通常不考虑植物胁迫的渐进性或时间性。这种不随时间变化的方法还需要显示严重胁迫迹象的图像,以确保高置信度检测,从而降低了这种方法对胁迫下植物的早期检测和恢复的可行性。为了克服上述问题,本文提出了一种对胁迫引起的植物视觉变化的时间分析方法,并将其应用于鹰嘴豆植株拍摄图像中水分胁迫识别的具体案例。

 

用于鹰嘴豆水分胁迫分类的时不变CNN结构

 

LSTM-CNN结构在鹰嘴豆水分胁迫分类(BF,YS,C)预测中的应用

 

首先,我们研究了两个鹰嘴豆品种JG-62和Pusa-372在三种水分胁迫条件下的图像数据集(对照,幼苗,开花前),进行了为期5个月的试验。然后,我们开发了一个LSTM-CNN架构,从这个数据集中学习视觉时间模式,并以高置信度预测水分胁迫类别。为了建立一个基线上下文,我们还对所提出的模型中使用的CNN结构与用于水胁迫时不变分类的其他CNN技术进行了比较分析。最后,我们进行了一项消融研究,以确定LSTM-CNN模型在减少用于训练的时间会话数据量方面的性能。

 

描述LSTM-CNN模型结果的混淆矩阵,其中VGG16和Inception-V3作为CNN特征抽取器,对JG-62和Pusa-372物种进行了32次训练。

 

可视化在不同鹰嘴豆植物物种上训练的模型的准确性、宏观敏感性、宏观特异性和宏观精度 - 训练会话数据数量上的特征向量组合。

 

来源:

Azimi S, Wadhawan R, Gandhi T, et al. Identifying Water Stress in Chickpea Plant by Analyzing Progressive Changes in Shoot Images using Deep Learning. arXiv:2104.07911.

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