SOD探测头:基于顶层至底层特征图的小果实定位网络


发布时间:

2023-09-20

来源:

本站

作者:

PhenoTrait

尽管目标检测技术已被广泛应用于智慧果园,但由于果实尺度问题的干扰,在真实果园环境检测小果实目标仍然面临挑战。本研究提出了一种在生育早期检测小尺度果实目标的有效探测头,即SOD探测头,可以在生育早期准确监测果实的生长情况,有助于实现果园的智慧化管理。SOD探测头首先利用顶层特征图丰富的语义信息识别特征的模糊位置,并向下一层制图,实现逐层定位和特征信息精炼。这种方法可以避免在高分辨率特征图中忽略粗糙的小果实特征、减少信息冗余对小尺度目标检测的干扰。然后,SOD探测头利用边框重新定位来预测边框位置,使小尺度果实目标的探测结果更为稳定。实验结果显示,SOD在Gold Pear数据集中疏果期前的定位精度(APs)为29.5%,MinneApple数据集的定位精度(APs)为39.6%。因此,SOD探测头对于小果实的探测精度不但优于其他算法,而且泛化能力更强、应用更广。

 

图1 Gold Pear数据集中的果实影像及其对应的标签信息(橘色边框)

 

图2 MinneApple数据集中的果实影像及其对应的标签信息(橘色边框)

 

图3 SOD探测头的整体框架

 

图4 定位网络的分层结构

 

图5 不同尺度果实边界框回归的对比结果

 

图6 边界框位置调整:由蓝色框调整到橘色框

 

图7 不同算法在Gold Pear数据集上的总体损失函数曲线

 

图8 不同算法在MinneApple数据集上的总体损失函数曲线

 

图9 Gold Pear数据集上的检测结果对比

 

图10 SOD的检测结果示例

 

图11 MinneApple数据集中的检测结果对比

 

图12 放大部分的检测结果对比

 

来 源

Yuqi Lu, Meili Sun, Yujie Guan, et al. SOD head: A network for locating small fruits from top to bottom in layers of feature maps. Computers and Electronics in Agriculture, 2023(212):108133. 

 

编辑

段博

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。