基于深度条件GANs和二值语义分割的植物根表型分析

发布时间：

2023-01-26

来源：

植物表型资讯

作者：

PhenoTrait

本文提出了一种利用条件生成对抗网络(conditional generative adversarial network，cGAN)对拟南芥根系图像（图1和图2）进行二值语义分割（图3）的方法，如图6，用于植物根系表型分析，以解决像素级的类不平衡问题。具体来说，使用Pix2PixHD(一种图像到图像的转换cGAN，图4)来生成逼真和高分辨率的植物根图像，以及类似于原始数据集的注释。此外，使用经过训练的cGAN将原始根数据集的大小增加两倍，以减少像素级的类不平衡，如图7和图8。然后，将原始数据集和生成的数据集都输入SegNet（图5），从语义上将根像素从背景中分割出来（图9）。此外，对分割结果进行后处理(图10)，以关闭沿主根和侧根的小而明显的间隙。最后，提出了二值语义分割方法与最先进的根分割方法的比较。结果表明，cGAN可以产生真实和高分辨率的根图像，减少像素级的分类不平衡，并且所提出的分割模型产生了高测试精度(超过99%)，低交叉熵误差(小于2%)，高骰子分数（Dice Score，接近0.80），以及用于近实时处理的低推断时间。
 

图1 在受控的室内环境中生长的拟南芥植物的捕获图像帧的示例

 

图2 对应于图1的注释示例。

 

图3 在根图像的一个补丁上的语义标签映射的说明性示例。补丁示例被视为一个矩阵，其中索引值为0的对应于后台类，红色值为1的对应于根类。由于根注释的宽度在1到3个像素之间，我们用浅灰色突出显示这里的红色索引，以便根的形式清晰可见。

  

图4 Pix2PixHD架构

 

图5 SegNet architecture

 

图6 本文方法流程

 

图7 cGAN生成的图像的例子。根清晰可见，看起来与原始数据集相似。拟南芥叶片在生成的图像中没有翻译，因为语义标签图没有为它们创建。

 

图8 图7中对应的注释示例。注释很清楚，并包括图7中所示的相同的生成的根体系结构。

 

图9 语义分割的例子来自我们训练过的SegNet模型。主根和侧根结构被成功分割，但沿着它们有小的间隙。

 

图10 对分割结果进行后处理的示例。沿着分段的侧根和主根的间隙用白线封闭。

 
来 源

Thesma, V .;Mohammadpour V elni, J. Plant Root Phenotyping Using Deep Conditional GANs and Binary Semantic

Segmentation. Sensors 2023, 23, 309. https://doi.org/10.3390/s23010309

 

编 辑

王春颖

 

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！

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