学术中心
基于图像的高粱穗计数
发布时间：
2020-11-09
来源：
本站
作者：
PhenoTrait
数字农业的现代趋势见证了人工智能在作物质量和产量评估方面的转变。本文记录了如何使用参数调整的单次目标检测算法从无人机图像中识别高粱穗并进行计数。
无人机拍摄的高粱图片
高粱图片拼贴突出照片质量的变化
该方法包括一个新颖的探索性分析法，能够确定高粱图像的关键结构元素并激励选择对性能有显著贡献的参数调谐锚盒，从而促进深度学习模型的发展。结果显示，该模型性能优于基线模型，并实现了样本外平均精度为0.95。
300幅训练图像中高粱穗的分布
高粱面积分布及比例
来源：
Mosley L, Pham H, Bansal Y and Hare E. Image-Based Sorghum Head Counting When You Only Look Once. arXiv:2009.11929.
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
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
关注我们
植物表型圈
植物表型资讯