学术中心
可靠的产量估算是针对主要行作物发展育种计划中必不可少的步骤。本研究旨在开发一种基于大豆荚果计数的机器学习(ML)方法,根据地面机器人采集的田间视频数据预测基因型种子产量等级。
从控制数据集中的样本图像沿背景三折用于去除背景噪声
为了实现该目标,我们利用深度学习架构开发了一个基于多视图图像的产量评估框架。从不同角度采集植株图像进行融合,预估产量,进而对大豆基因型进行排序,用于育种决策。利用田间控制成像环境数据以及田间实际植物育种试验田数据,通过比较人工计算荚果数和产量估算的性能,证明了该框架的有效性。
控制和现场数据集的Pod计数分布
由特征提取模块(FM)和回归模块(RM)图组成的产量(pod count)估计模型体系结构
综上所述,该研究结果显示ML模型可以显著减少时间和人力成本,并为培育品种开辟新的育种方法途径,证明了其在育种决策方面的应用前景。
绘制带有各自注释的(左)和检测到的(右)豆荚的样品
来源:
Riera L G, Carroll M E., Zhang Z, et al. Deep Multi-view Image Fusion for Soybean Yield Estimation in Breeding Applications. arXiv:2011.07118.
扫二维码用手机看
推荐新闻

发布时间 : 2022-11-13 07:26:55

发布时间 : 2022-05-20 11:45:57

发布时间 : 2022-05-13 10:56:43
视频展示
专题报道
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
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
慧诺瑞德(北京)科技有限公司版权所有 京ICP备15043840号 网站建设:中企动力 北二分 法律声明