学术中心
基于无人机图像对高粱穗的半监督目标检测
发布时间:
2023-06-06
来源:
植物表型资讯
作者:
PhenoTrait
高粱穗部是关系到植株发育和籽粒产量的重要性状。高粱穗的检测和计数可以为植物表型分析提供重要信息。当前基于深度学习的穗部目标检测方法需要大量的训练数据,数据标注耗时长,不适于实际应用。
本文研究了半监督学习的两阶段和一阶段目标检测方法;对于两阶段的目标检测,本文使用softteacher框架和fastrcnn框架;对于单阶段目标检测,本文选择了带有YOLOv5的Eff cient Teacher框架。本文提出了一种利用半监督学习减少高粱穗部检测训练数据量的方法。与监督学习方法相比,仅使用10%的原始训练数据,就可以达到与监督方法相似的检测效果。
图1. 本研究的半监督学习框架框图
图2. 训练数据集的样本图像
表1. 利用fastrcnn软件监督学习框架的结果
表2. 利用yolov5的高效监督框架的结果
Cai, Enyu, Jiaqi Guo, Changye Yang and Edward J. Delp. “Semi-Supervised Object Detection for Sorghum Panicles in UAV Imagery.” ArXiv abs/2305.09810 (2023).
编辑
扩展阅读
推荐新闻
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。
让我们“慧聚”在一起,为“慧科研、慧育种、慧种田”赋能。
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。
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。
视频展示