基于MobileNet和CenterNet深度学习模型从无人机系统图像中计算棉花林分数量


发布时间:

2022-06-29

来源:

本站

作者:

PhenoTrait

  准确的林分数量是确定出苗率、评估幼苗活力和促进特定地点管理以实现最佳作物产量的先决条件。在林分评估中,传统的人工计数方法对于大规模育种或生产现场操作来说,既费时又费力。本研究旨在应用MobileNet和CenterNet两种深度学习模型,利用无人机系统(UAS)图像对棉花苗期植株进行检测和计数。这些模型使用两个数据集进行训练,数据集包含400和900幅植物大小和土壤背景亮度变化的图像。使用两个不同维度的测试数据集对这些模型的性能进行评估,测试数据集1为300×400像素,测试数据集2为250×1200像素。模型验证结果表明,CenterNet模型的平均准确率(mAP)和平均召回率(AR)分别为79%和73%,MobileNet模型的平均准确率(mAP)和平均召回率(AR)分别为86%和72%(共900张训练图像)。CenterNet和MobileNet模型对测试数据集1的棉花植株检测和计数精度较高。结果表明,CenterNet模型对900幅训练图像的棉花植株检测和计数具有较好的整体性能。在训练数据集中不同维数的图像上应用目标检测模型时,需要更多的训练图像。以900张训练图像作为CenterNet模型的测试数据集1,棉株计数的平均绝对百分比误差(MAPE)、决定系数(R2)和均方根误差(RMSE)分别为0.07%、0.98和0.37。MobileNet和CenterNet模型都有潜力在苗期根据高分辨率UAS图像准确、及时地检测和统计棉花植株。本研究为农业应用中的目标检测项目选择合适的深度学习工具和适当数量的训练图像提供了有价值的信息。

 

  图1 基于无人机系统图像的CenterNet和MobileNet机器学习算法在棉花林分计数中的应用

 

  图2 利用CenterNet和MobileNet基于无人机系统图像的机器学习算法进行棉花林分计数

 

  图3 使用与2020年6月8日获取的训练图像尺寸相同的无人机系统图像进行棉花植株检测和计数的结果示例。边界框周围的百分比标签表示检测到的棉花植株的F1分数。

 

  图4 在干湿土壤条件下使用无人机系统进行棉花植株图像检测和计数的示例。边界框周围的百分比标签表示检测到的棉花植株的F1分数。

 

  来源:Lin, Z.; Guo, W. Cotton Stand Counting from Unmanned Aerial System Imagery Using MobileNet and CenterNet Deep Learning Models. Remote Sens. 2021, 13, 2822. https://doi.org/10.3390/ rs13142822

  

  编辑:张玉

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。