迈向智能农业:基于深度学习的叶片计数表型计划


发布时间:

2021-01-25

来源:

本站

作者:

PhenoTrait

植物表型分析是一种利用计算机视觉、机器人技术和机器学习技术的智能技术,可以收集和分析植物特征数据以提高农业产量。本文提出了一种基于深度学习的叶片分割和计数技术。

 

所采用方法的步骤

 

(a)拟南芥RGB图像(b)前景分割二值图像

 

在对783幅植物图像进行了必要的分割、去噪和增强以及叶像素数据的变换后,采用基于Alexnet的深度神经网络结构,将数据集分为70%进行训练,15%进行验证,15%进行测试。结果表明,基于计数差、绝对计数差、一致性百分比和均方误差四个评价参数的评估结果与现存方法的评估结果显著提高。

 

(a)使用阈值分割后的去噪图像(b)极坐标变换图像。

 

基于Alexnet的叶子计数架构

 

来源:

Hati A J and Singh R R. Towards Smart Agriculture: A Deep Learning based Phenotyping Scheme for Leaf Counting. 2020 International Conference on Smart Technologies in Computing, Electrical and Electronics. DOI: 10.1109/ICSTCEE49637.2020.9277402.

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。