学术中心

全部分类
您现在的位置:
首页
/
/
使用Xception-style U-Net和分水岭算法对莲座叶植物进行叶子分割和计数

使用Xception-style U-Net和分水岭算法对莲座叶植物进行叶子分割和计数

  • 分类:学术中心
  • 作者:PhenoTrait
  • 来源:本站
  • 发布时间:2022-08-17 06:10
  • 访问量:

【概要描述】所提方法的相对DiC频率在-2到+2之间,表明叶数估计的准确性有所提高。因此,与U-Net、SegNet和最先进的方法相比,Xception-style U-Net结合分水岭算法实现了更好的叶数估计。在未来,我们可以用这种方法来估计植物的鲜重,这将有助于提前预测作物产量。

使用Xception-style U-Net和分水岭算法对莲座叶植物进行叶子分割和计数

【概要描述】所提方法的相对DiC频率在-2到+2之间,表明叶数估计的准确性有所提高。因此,与U-Net、SegNet和最先进的方法相比,Xception-style U-Net结合分水岭算法实现了更好的叶数估计。在未来,我们可以用这种方法来估计植物的鲜重,这将有助于提前预测作物产量。

  • 分类:学术中心
  • 作者:PhenoTrait
  • 来源:本站
  • 发布时间:2022-08-17 06:10
  • 访问量:
详情

  叶数是一个重要的植物性状,有助于在各种植物表型任务中分析植物的生长。重叠的叶子和无序的叶子运动是植物叶子识别和计数的主要挑战。在本文中,我们提出了一个用于植物叶片分割、计数和定位的两阶段框架。在第一阶段,我们设计了一个基于编码器-解码器的深度神经网络,即Xception-style U-Net,用于从背景中分割植物叶子。在计算植物叶子的第二阶段,我们使用距离变换和分水岭算法。在公开的2017年叶子计数挑战(LCC)数据集上测试了所提方法的性能,该数据集包括莲座植物的图像,即拟南芥和烟草。在这项工作中,Xception-style U-Net在测试数据集上实现了更好的分割精度,戴斯系数为0.9685。Xception-style U-Net与分水岭算法一起,实现了0.26的平均叶数差异(DiC)和1.93的绝对叶数差异(|DiC|),优于文献中的现有方法。

 

  图1 使用改进的Xception-style U-Net和基于分水岭算法提出的叶片分割和计数算法。.

 

  图2 提出的Xception-style U-Net架构。N表示滤波器的数量,k表示滤波器内核的大小,s表示步长,⨁表示加法层。

  

  图3 SegNet、U-Net和Xception-style U-Net的分割结果。(a) RGB图像样本、(b) 相应的地面真实图像、(c) SegNet的分割结果、(d) U-Net的分割结果和(e)提出的Xception-style U-Net的分割结果。

 

  图4 提出的Xception-style U-Net分别对A1、A2、A3和A4数据集的挑战性图像进行分割的结果。第1行展示了RGB图像样本,第2行给出了相应的基本事实,第3行展示了输出的分割图像(在线彩色图)。

 

  图5 使用分水岭算法对SegNet、U-Net和提出的Xception-style U-Net的分割图像进行叶片计数。(a) RGB图像、(b, d和f)距离转换的图像、(c, e, g)是SegNet, U-Net和修正的Xception-style U-Net的带有红色轮廓线的RGB图像(在线彩色图)。

 

  图6 A1、A2、A3和A4的相对叶数差异与频率关系图。

 

  本文将叶片计数任务分为两个阶段,即叶片分割和叶片计数。我们测试并分析了深度学习网络的性能,即SegNet、U-Net和Xception-style U-Net用于叶子分割任务。Xception-style U-Net和简单的U-Net取得了比SegNet和文献中其他最先进的方法更好的性能。Xception-style U-Net和U-Net在重叠叶片的分割上比SegNet更好。在第二阶段,基于标记的分水岭算法被用于叶片计数,并减少过度分割和噪声的影响。尽管U-Net在重叠叶子的分割方面非常好,但它在某些情况下受到过度分割和背景噪声的影响。所提方法的相对DiC频率在-2到+2之间,表明叶数估计的准确性有所提高。因此,与U-Net、SegNet和最先进的方法相比,Xception-style U-Net结合分水岭算法实现了更好的叶数估计。在未来,我们可以用这种方法来估计植物的鲜重,这将有助于提前预测作物产量。

 

  来源:Kolhar S, Jagtap J. Leaf Segmentation and Counting for Phenotyping of Rosette Plants Using Xception-style U-Net and Watershed Algorithm[C]//International Conference on Computer Vision and Image Processing. Springer, Cham, 2022: 139-150.

  https://doi.org/10.1007/978-3-031-11346-8_13

  

  编辑:小王博士在努力

关键词:

扫二维码用手机看

推荐新闻

秋季招聘:慧聚改变的力量
秋季招聘:慧聚改变的力量
发布时间 : 2022-09-09 16:05:03
让我们“慧聚”在一起,为“慧科研、慧育种、慧种田”赋能。
查看详情
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
发布时间 : 2022-05-20 11:45:57
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。
查看详情
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
发布时间 : 2022-05-13 10:56:43
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。
查看详情
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。
AI育种,从这里起步
AI育种,从这里起步
发布时间 : 2022-05-09 12:21:00
植物表型本身就是一个跨学科领域,自带AI基因。而植物表型服务的对象就是育种和种植。AI通过植物表型赋能育种,是AI育种的重要发展方向之一。让我们用表型之“瞳”,赋农业之“慧”。
查看详情
植物表型本身就是一个跨学科领域,自带AI基因。而植物表型服务的对象就是育种和种植。AI通过植物表型赋能育种,是AI育种的重要发展方向之一。让我们用表型之“瞳”,赋农业之“慧”。

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中路12号院8号楼2门 
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