学术中心
一种基于小麦视觉图像的穗分割与计数方法
- 分类:植物表型资讯
- 作者:PhenoTrait
- 来源:本站
- 发布时间:2021-03-10 06:10
- 访问量:
【概要描述】本文提出了一种基于计算机视觉(尤其是对象检测)的方法,该方法可以从数字图像中识别并计算小麦植株的穗数。
一种基于小麦视觉图像的穗分割与计数方法
【概要描述】本文提出了一种基于计算机视觉(尤其是对象检测)的方法,该方法可以从数字图像中识别并计算小麦植株的穗数。
- 分类:植物表型资讯
- 作者:PhenoTrait
- 来源:本站
- 发布时间:2021-03-10 06:10
- 访问量:
高通量无损表型分析是种质资源和育种群体表型分析的一种重要方法,用于鉴定优良供体、优良品系和QTL。麦穗检测和计数是受控及田间条件下大量种质和育种系表型研究研究的关键。此外,穗数是决定产量的重要指标。数字图像分析和机器学习技术在无损植物表型分析中起着重要的作用。本文提出了一种基于计算机视觉(尤其是对象检测)的方法,该方法可以从数字图像中识别并计算小麦植株的穗数。
SpikeSegNet的流程图
针对麦穗识别问题,结合两种特征网络:局部面片提取网络(LPNet)和全局掩模细化网络(GMRNet),提出了一种新的深度学习网络——SpikeSegNet。首先,利用新德里植物物候中心表型成像系统,拍摄了200株小麦的视觉(RGB)图像。结果表明,该方法的分割精度、准确率和鲁棒性(F1评分)分别为99.93%、99.91%和99.91%。然后,为了计算麦穗数,在SpikeSegNet模型的输出图像上应用imageJ的“分析粒子”功能。对于麦穗计数,平均精度、准确度和鲁棒性分别为99%、95%和97%。最后,利用用光照图像数据集测试了SpikeSegNet方法的鲁棒性,结果显示分割性能没有显著差异。
30种不同植物的E1,E2,Jaccard指数(JI),准确性,精度和F量度的图形表示
综上所述,SpikeSegNet是用于麦穗检测和计数的有效且强大的方法。由于麦穗检测和计数与作物产量密切相关,并且所提出的方法也是非破坏性的,因此在小麦高通量无损表型研究领域迈出了重要的一步。
三种视角图(0°,120°和240°)和地面真实情况的麦穗计数比较研究
来源:
Misra T, Arora A, Marwaha S, et al. SpikeSegNet-a deep learning approach utilizing encoder-decoder network with hourglass for spike segmentation and counting in wheat plant from visual imaging. Plant Methods. https://doi.org/10.1186/s13007-020-00582-9。
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