基于深度学习的葡萄藤叶语义图像分割


发布时间:

2023-01-03

来源:

植物表型资讯

作者:

PhenoTrait

植物表型(Plant phenotyping)指的是对植物特性的定量描述,但是在以图像为基础的表型分析中,我们关注的重点往往在植物的解剖学、遗传学和生理学等特性。深度学习在图像分析领域的应用推动了植物表型分析技术的发展,其不但拓展了植物表型分析的应用范围,还减少了表型特征提取所需的时间和精力,实现了基于高通量表型特征的植物筛选。本研究利用深度学习方法(监督学习和非监督学习)分割葡萄藤叶片影像,建立基于影像分割技术的叶片自动识别算法,可用于叶片结构和功能分析。我们利用几种不同的深度学习算法进行葡萄藤叶片图像语义分割,均取得了较好结果。此外,本研究还提出了图像分割技术在精准农业领域中应用的挑战和难点。本研究有助于构建植物全生命周期动态监测体系,即利用表型特征的动态变化规律监测植物生长发育情况,可应用于农药作用机理分析、优质品种选育等,能够为农业可持续发展提供技术支撑。
 

图1 葡萄藤叶片特性。(a) 叶片维度;(b) 叶片的各个部分

 

图2 数据集样本示例(第一行)及其对应的trimaps(第二行)

 

图3 U-Net结构(输入影像尺寸、块数和滤波器根据不同应用场景相应调整)

 

图4 U-Net结构(X-ception)

 

图5 监督学习的分类结果

 

图6 非监督学习的分类结果。(a) 2类;(b) 3类;(c) 5类;(d)10 类

 

图7 非监督学习分类结果的对比度增强影像(5类)

 

来 源

Petros N. Tamvakis, Chairi Kiourt, Alexandra D. Solomou, et al. Semantic Image Segmentation with Deep Learning for Vine Leaf Phenotyping. arXiv: 2210.13296v1.

 

编 辑

段博

 

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。