利用航拍图像分割水稻穗的Tiny Criss-Cross网络

发布时间：

2023-05-27

来源：

植物表型资讯

作者：

PhenoTrait

穗部分割是研究作物生理和结构性状表型研究的关键步骤。基于无人机的图像采集与深度学习算法相结合，取代了劳动密集型的实地调查和作物监测。无人机的资源有限，所以它需要一个小而高效的深度学习模型。本文提出了一种基于交叉注意力和微小方法的微型Criss-Cross网络(Tiny Criss-Cross Network, TinyCCNET)深度学习模型。交叉注意力机制捕获所有像素的上下文信息，提高了分割精度，而微小方法应用的是骨干网络ResNet50。该模型的准确率为86.5%，mIoU为81.6%，GFLOPS为12.3，优于其他现有模型。TinyCCNET实现了高精度，同时节约资源，使其成为农业无人机应用的理想选择。

 

图1 稻谷图像数据集

 

图2  TinyCCNET模型

 

图3 Cris-cross注意力

 

图4 提出的模型与现有模型的性能比较

 

图5 不同算法的训练准确率

 

 图6 所提出的模型分割输出与地面真实图像的比较

 
 
来 源

Anitha Ramachandran, Sendhil Kumar K.S., Tiny Criss-Cross Network for segmenting paddy panicles using aerial images, Computers and Electrical Engineering, 2023(108), 108728. 

 

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