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

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。