从原型到推理:深度学习在高粱穗部检测中的应用-慧诺瑞德（北京）科技有限公司|叶绿素荧光|光合作用|植物表型

学术中心

全部分类

从原型到推理:深度学习在高粱穗部检测中的应用

发布时间：

2023-02-22

来源：

植物表型资讯

作者：

PhenoTrait

头（穗）密度是了解作物产量的一个主要组成部分，特别是在高粱和小麦等分蘖数量可变的作物中。在植物育种和商业作物农艺学调查中使用穗密度通常依赖于人工计数观察，这是一个效率低且繁琐的过程。由于红-绿-蓝图像易于获取，机器学习方法已被应用于取代人工计数。然而，这项研究的大部分集中于在有限的测试条件下的检测，并没有提供利用基于深度学习的计数的通用协议。本文提供了一个从数据收集到模型部署的综合途径，用于深度学习辅助高粱穗产量估计。该途径提供了从数据收集和模型训练到商业领域模型验证和模型部署的基础。在自然环境中，部署数据集经常不同于训练数据（域转移），这会导致模型失败，因此稳健的模型对于构建可靠的解决方案至关重要。虽然本研究仅在在高粱中进行了应用，但该方法可以推广到其他谷物品种。本研究提供了一个高分辨率的穗密度图，可用于在没有商业软件的情况下诊断田间的农艺变异性。

图1 两种图像采集类型的图示（A）地面采集。（B）无人机采集

图2 源数据准备和模型训练/评估

图3 基于机器学习的谷物穗部检测流程

图4 部署流程

图5 检测模型性能

来源

James, C., Gu, Y., Potgieter, A., et al. From Prototype to Inference: A Pipeline to Apply Deep Learning in Sorghum Panicle Detection. Plant Phenomics, 5, 2023,0017.

编辑

Phenotypic researcher

扩展阅读