基于Mask R-CNN的水稻穗CT图像特征提取与三维识别


发布时间:

2021-07-03

来源:

本站

作者:

PhenoTrait

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.

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。