基于RGB图像的高分辨率近红外预测;在植物表型中的应用


发布时间:

2022-12-07

来源:

植物表型资讯

作者:

PhenoTrait

与传统的RGB相机相比,近红外光谱技术提供了丰富的植物生长过程信息的图像。然而,近红外光谱使用起来比较昂贵,而且分辨率比较低。在这种背景下,近年来在计算机视觉领域提出了基于深度学习的方法。此外,表型组学设备的发展促进了大型植物数据的生成,这是利用这些深度学习的方法所必需的。基于这些发展,本文提出了一种新的基于注意力的像素到像素生成对抗网络(GAN),然后利用超分辨率(SR)模块,从相应的RGB图像生成高分辨率(HR)的近红外图像。还进行了基于HR近红外图像的表型数据提取实验并评价其有效性。在小麦植物多模态数据集上,本研究提出的体系结构在MRAE和RMSE方面取得了比较好的成果。 

 

图1 本研究提出框架的工作流程和架构

 

图2 基于注意力的近红外预测模块的详细图示

 

图3 所提出框架的定性结果。对应预测图像的PSNR和SSIM在图像下方。健康的植物显示在上一行,而胁迫的植物显示在下一行。

 

图4 基于平均灰度值的小麦植株胁迫特征识别。

 

来 源

Shukla, A., Upadhyay, A., Sharma, M., Chinnusamy, V., & Kumar, S. High-Resolution NIR Prediction from RGB Images: Application to Plant Phenotyping. In 2022 IEEE International Conference on Image Processing (ICIP) 2022, 10, 4058-4062). IEEE.

 

编 辑

张玉

 

扩展阅读

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。