基于Anchor-Free物体检测和气孔导度计算的旋转气孔测量


发布时间:

2023-11-10

来源:

本站

作者:

PhenoTrait

气孔在调节植物叶片中的水分和二氧化碳水平方面发挥着重要作用,这对光合作用很重要。以往基于深度学习的植物气孔检测方法都是基于水平检测。深度学习模型的检测锚框是水平的,而气孔的角度是随机的,因此无法直接根据检测锚框计算气孔性状。在检测气孔和计算气孔性状之前,还需要对图像进行额外处理(如旋转图像)。本文提出了一种名为 DeepRSD(基于深度学习的旋转气孔检测)的新方法,用于同时检测旋转气孔和计算气孔基本性状。在 DeepRSD 模型训练中引入了气孔电导损失函数,提高了气孔检测和电导计算的效率。实验结果表明,DeepRSD 模型对玉米叶片气孔的识别准确率达到 94.3%。该方法有助于研究人员对气孔形态、结构和气孔传导模型进行大规模研究。

 

图1 自动检测旋转气孔和计算气孔导度的步骤示意图。

 

图2 预处理后的玉米叶片气孔图像。

 

图3 (A) IDA 模块结构图。(B) HDA 模块结构图。

 

图4 DLA 模型结构图。

 

图5 玉米叶片旋转气孔检测方法流程图。

 

图6 DeepRSD 模型的结构。

 

图7 DeepRSD 模型在训练过程中的参数变化。(A) 训练指标图。(B) Train-val loss。

 

图8 气孔识别结果。左列图像是使用 labelImg2 软件手动标注的地面实况图像。右列图像是我们的深度学习模型检测到的气孔图像。

 

图9 气孔导度值回归比较图。(A) 使用气孔导度损失函数的拟合结果。(B) 无气孔导度损失函数的拟合结果。

 

来 源

Zhang F, Wang B, Lu F, et al. Rotating Stomata Measurement Based on Anchor-free Object Detection and Stomata Conductance Calculation[J]. Plant Phenomics.

DOI: 10.34133/plantphenomics.0106

 

编辑

小王博士在努力

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。