学术中心
利用基于深度学习的叶片分割自动监测植物生长
发布时间:
2021-06-29
来源:
本站
作者:
PhenoTrait
植物是食物、药品、纤维、燃料等的来源,因此对人类生存至关重要。鉴于此,应对植物进行深入了解,监测其生长、大小、产量等情况。然而,人工监测需要耗费大量时间,且必须有深厚的农业和植物知识。因此,植物图像自动分析系统将有利于农业的实用化和生产化。
应用方法流程图
图像及其直方图 (a) 应用 CLAHE 之前和 (b) 应用 CLAHE 之后
本文提出了一种自动监测植物生长的方法,首先对植物图像中的叶片进行分割,然后计算分割面积。分割任务采用了基于深度学习的U-Net结构。以810幅图像为基准数据集,对所提出的深度学习网络进行训练和测试。该模型在3小时内完成训练,训练集、验证集和测试集的骰子准确率分别为94.91%、94.93%和95.05%。综上所述,与文献中的其他方法相比,本文所提出的结构非常轻量级,计算量较少,但取得了令人满意的结果。
(a) RGB 图像,(b) 具有增长指数的基本事实,(c) 具有 A1、A2、A3 和 A4 数据集增长指数的预测图像
来源:
Trivedi M, Gupta A. Automatic monitoring of the growth of plants using deep learning-based leaf segmentation. International Journal of Applied Science and Engineering. https://doi.org/10.6703/IJASE.202106_18(2).003.
推荐新闻
视频展示