学术中心
由于社会的复杂需求,现代农业和植物育种的未来格局正在迅速变化。可收集数据的爆炸式增长已经开始了一场必须进行创新的农业革命。对于一个商业组织来说,为了确保在育种周期的关键时期做出最佳决策,准确、有效地收集信息至关重要。然而,由于育种计划的规模和当前资源的限制,很难收集单个植物的精确数据。特别是,由于劳动力需求和专家领域的知识,记录作物颜色、形状、化学性质、病害易感性等的有效表型非常有限。
图片显示玉米处于营养生长期V1到V6
DeepStand架构概述
本文提出了一种基于深度学习的玉米早期计数方法:DeepStand。该方法采用截断的VGG-16网络作为主干特征提取器,融合不同尺度的多个特征图,使网络对于比例尺变化具有鲁棒性。经过大量的计算实验表明,该方法可以成功地计算出玉米株数,并优于其他最先进的方法。我们的工作目标是让更大的农业群体使用该方法来实现高通量表型,而无需耗费大量的时间和劳力。
该计数方法的视觉结果
来源:
Khaki S, Pham H, Han Y, et al. High-Throughput Image-Based Plant Stand Count Estimation Using Convolutional Neural Networks. arXiv:2010.12552.
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