PodNet：收获前大豆豆荚实时实例分割

发布时间：

2025-07-16

来源：

作者：

田间环境下豆荚表型性状的无损分析对大豆育种研究至关重要。然而，以往的豆荚表型研究集中于收获后或局限于室内场景，未能推广到真实的田间环境。
 
为了优化以上问题，本文采用实例分割方法实现了收获前大豆田间RGB图像中豆荚区域的精确提取。作者介绍了一种经济有效的工作流程，用于构建具有均匀背景的密集种植作物图像数据集。从视频录制开始，通过自动选择的方式采集高质量的静态帧。然后，探索了一种大视觉模型以促进密集注释，并建立包括2万个豆荚掩模的大规模数据集。其次，基于YOLOv8架构开发了豆荚实例分割模型PodNet，并提出了一种新颖的分层原型聚合策略以融合多尺度语义特征和U-EMA原型生成网络，用于提高模型对小目标的感知性能。
 
试验结果表明，轻量级PodNet在自定义的豆荚分割数据集上实现了0.786的优异平均精度。PodNet在没有背景的现场图像上也具有竞争力，并在能够在边缘计算平台上实现实时推理。
 
本文强调，PodNet是第一个用于田间环境中收获前豆荚实例分割的模型。低成本、高精度的荚果提取不仅是荚果器官表型分析的先决条件，也是从整株到种子水平的跨尺度表型分析的重要基础。
 

图1. 田间大豆数据收集示意图。(a)田间数据集构建的工作流程。(b)收获前田间录像示意图。(c)一些捕获视频帧的序列

 

 图2. PodNet模型架构

 

 图3. 分层原型聚合策略

 

 图4. 实例分割结果的定性比较。(a)与YOLOv8n-seg相比，改进了PodNet分段的情况。(二) PodNet分割失败案例

 

 图5. 几种PodNet推理结果的可视化

 

 图6. 无背景图像的PodNet实例分割结果

 
来 源

Zhou, Shuo et al. “PodNet: Pod Real-Time Instance Segmentation in Pre-Harvest Soybean Fields.” Plant phenomics (2025): 100052. Print.

 

编辑

JAYz

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！

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

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

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

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。

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中路12号院8号楼2门 
电话：010-62925490、82928854、82928864、82928874、18600875228 
传真：010-62925490-802
Email: info@phenotrait.com
邮编：100096

在线留言

提交留言

关注我们

图片名称

植物表型圈

图片名称

植物表型资讯

慧诺瑞德（北京）科技有限公司版权所有   网站建设：中企动力 北二分  SEO   查看营业执照    法律声明