卷积神经网络在无人机图像玉米穗定位中的应用


发布时间:

2021-05-16

来源:

本站

作者:

PhenoTrait

玉米雄穗的自动检测在玉米育种中具有重要意义。为了控制授粉,在抽穗可见后,应每天检查植株是否出穗。常规方法费力且费时。在这项研究中,我们开发了一种技术,该技术利用最先进的基于快速区域的卷积神经网络(Faster R-CNN)自动检测和定位无人机图像中的玉米穗。

 

玉米地航空影像数据集实例

 

用于穗检测的快速的R-CNN训练过程

 

将每个原始图像分为1000 x 1000像素子图像,并用边界框作为地面真实数据,为玉米穗位置手动注释2000个子图像。80%的带注释子图像用作训练数据,其余20%用于测试。训练后的快速R-CNN模型的性能通过定制的评估标准进行评估。该模型对雄穗的检测取得了较好的效果,平均准确率为91.78%,F1评分达到97.98%。

 

在不同的训练步骤下,数据集大小为800和2000的测试子图像上的R-CNN模型的平均精度值更高

 

更快的R-CNN检测输出,蓝色框是“玉米穗”

 

来源:

Al-Zadjali A, Shi Y,Scott S, et al. Faster-R-CNN based deep learning for locating corn tassels in UAV imagery.

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。