学术中心
基于低空无人机图像和深度学习的表型系统开发
- 分类:植物表型资讯
- 作者:PhenoTrait
- 来源:本站
- 发布时间:2021-03-16 06:10
- 访问量:
【概要描述】本研究结合基于深度学习的穗部检测和基于轻型消费级无人机的摄影测量的优点,提出了一种轻型表型系统。
基于低空无人机图像和深度学习的表型系统开发
【概要描述】本研究结合基于深度学习的穗部检测和基于轻型消费级无人机的摄影测量的优点,提出了一种轻型表型系统。
- 分类:植物表型资讯
- 作者:PhenoTrait
- 来源:本站
- 发布时间:2021-03-16 06:10
- 访问量:
本研究结合基于深度学习的穗部检测和基于轻型消费级无人机的摄影测量的优点,提出了一种轻型表型系统。
2018(a)和2019(b)试验水田
在四个常见场景下目视检查Mask R-CNN的结果:
研究人员进行了为期两年的实验,以进行数据收集和准确性验证。针对稻田复杂场景下的穗粒检测问题,提出了一种基于掩模区域的卷积神经网络(Mask R-CNN)深度学习模型。共有13857张图片被输入Mask R-CNN,其中80%用于训练,20%用于验证。结果得到,Mask R-CNN的得分、准确度、召回率、平均准确度(AP)和F1得分分别为82.46%、80.60%、79.46%和79.66%。另外,本文还提出了一个完整的飞行轨迹预处理流程,去除重复检测和噪声。最后,利用地理分布直观地反映了水稻抽穗期生长的明显变化,并在预测了收获前的总穗数。穗数预测的平均误差为33.98%。实验结果表明,该系统作为高通量表型分析方法是可行的。
穗生长模型
抽穗期穗比记录
来源:
Lyu S, Noguchi N, Ospina R, Kishima Y. Development of phenotyping system using low altitude UAV imagery and deep learning. IJABE. DOI: 10.25165/j.ijabe.20211401.6025.
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