学术中心
基于Mask R-CNN的水稻穗CT图像特征提取与三维识别
- 分类:植物表型资讯
- 作者:PhenoTrait
- 来源:本站
- 发布时间:2021-07-03 06:10
- 访问量:
【概要描述】本文提出了一种基于掩模区域卷积神经网络(maskr-CNN)的稻穗CT图像特征提取和三维识别方法。
基于Mask R-CNN的水稻穗CT图像特征提取与三维识别
【概要描述】本文提出了一种基于掩模区域卷积神经网络(maskr-CNN)的稻穗CT图像特征提取和三维识别方法。
- 分类:植物表型资讯
- 作者:PhenoTrait
- 来源:本站
- 发布时间:2021-07-03 06:10
- 访问量:
水稻结实率是水稻产量计算和遗传分析的重要依据。与机器视觉不同的是,X射线计算机断层扫描(CT)成像是一种非破坏性技术,它能直接提供稻穗内部和外部结构的信息。然而,在CT图像序列中,穗粒间遮挡和粘附使得这些目标难以识别,从而阻碍了对水稻穗结实率的准确测定。为此,本文提出了一种基于掩模区域卷积神经网络(maskr-CNN)的稻穗CT图像特征提取和三维识别方法。
不同层数的水稻CT图像序列
用于深度学习的蒙版 CT 图像,(左)CT 图像,(中)蒙版 CT 图像,(右)图像标签
将X射线CT特征表征与掩模R-CNN算法相结合,对CT序列的每一层穗粒进行特征提取和分类。利用相邻层间欧氏距离最小的方法提取三维穗粒特征。利用该结果计算水稻穗部结实率。以8组不同稻穗为试验材料,对该方法进行了试验验证。结果表明,该方法能有效地识别和统计饱满粒和枯萎粒,结实率准确率达到99%以上。
水稻纵切面CT序列
Mask R-CNN 分割结果:(a) 原始重建水稻穗图像; (b) 分割验证结果; (c) 分割示例的掩码图像
使用第 4 节中描述的方法获得的 8 个水稻穗样品的验证结果:(a-h 水稻穗样品图像和(i-p 枯萎粒识别的 3-D 可视化结果)
来源:
Kong H, Chen P. Mask R-CNN-based feature extraction and three-dimensional recognition of rice panicle CT images. Plant Direct. 2021 May 10;5(5):e00323. doi: 10.1002/pld3.323. eCollection 2021 May.
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