LASSR:用于植物病害诊断的有效超分辨率方法


发布时间:

2020-11-29

来源:

本站

作者:

PhenoTrait

高分辨率训练数据收集对于建立稳健的植物病害诊断系统至关重要,因为这些数据对诊断性能有着重要的影响。然而,高分辨率训练数据很难获得,而且在实践中并不总是可用的。基于深度学习的技术,特别是GANs可用于生成高质量的超分辨率图像,但这些方法通常会产生意外伪影,从而降低诊断性能。本文提出了一种专门用于诊断叶病的新型抑制伪影的超分辨率方法,称为LASSR。

 

叶区域SR方法的比较(4倍向上采样):(a)ESRGAN; (b)拟议的LASSR; (c)原始的HR图像

 

一片叶子的SR和真实的HR图像

 

相比最先进的ESRGAN模型,LASSR由于它自己的伪影去除模块,可以最大程度的检测和抑制伪影,生成更令人满意的高质量图像。基于一个五类黄瓜病害(包括健康)判别模型的实验表明,使用LASSR生成的数据进行训练,与基线相比,在不可见测试数据集上的性能显著提高了近22%,比使用ESRGAN生成的图像训练的模型好2%以上。

 

生成的SR结果与原始HR图像的比较

 

SR和原始HR图像的线条轮廓

 

来源:

Cap Q H, Tani H, Uga H, et al. LASSR: Effective Super-Resolution Method for Plant Disease Diagnosis. arXiv:2010.06499.

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。