学术中心
利用植物图像进行叶片分割和分类是一个很大的挑战,尤其是在背景复杂的图像中叶片存在重叠的情况下。本文研究了利用深度学习对具有复杂背景的叶片图像进行分割和分类的方法。
15个物种集合
标签过程中的图像
首先,采集2500多张背景复杂的叶片图像,并用目标像素和背景像素进行人工标记。其中2000张图像被输入基于掩模区域的卷积神经网络(Mask R-CNN)来训练叶片分割模型。然后,将一个包含15个物种1500多个训练图像的训练集输入一个非常深的16层卷积网络(VGG16)中,训练叶片分类模型。通过比较各种参数组合得到最佳超参数。结果表明,使用Mask R-CNN的80张测试图像的平均误分类误差(ME)为1.15%,使用VGG16对150张测试图像进行叶子分类的平均准确度值高达91.5%。
分割结果
每个图像的ME
综上所述,这些方法可以有效地对复杂背景下的叶片图像进行分割和分类,能够为植物表型分析和自动分类提供参考。
手动标记结果和算法细分结果
来源:
Yang K, Zhong W and Li F. Leaf Segmentation and Classification with a Complicated Background Using Deep Learning. Agronomy 2020, 10(11), 1721; https://doi.org/10.3390/agronomy10111721.
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、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
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